RMSE/ RMSLE-Verlust-Funktion im Keras

Ich versuche, an meinem ersten Kaggle-Wettbewerb, wo RMSLE ist gegeben, da die geforderte-Verlust-Funktion. Denn ich habe nichts gefunden, wie zum implementieren dieser loss function ich habe versucht, dich für RMSE. Ich weiß, das war Teil Keras in der Vergangenheit, gibt es eine Möglichkeit, es zu benutzen in der neuesten version, vielleicht mit einer benutzerdefinierten Funktion, die über backend?

Dies ist der NN, die ich entworfen:

from keras.models import Sequential
from keras.layers.core import Dense , Dropout
from keras import regularizers

model = Sequential()
model.add(Dense(units = 128, kernel_initializer = "uniform", activation = "relu", input_dim = 28,activity_regularizer = regularizers.l2(0.01)))
model.add(Dropout(rate = 0.2))
model.add(Dense(units = 128, kernel_initializer = "uniform", activation = "relu"))
model.add(Dropout(rate = 0.2))
model.add(Dense(units = 1, kernel_initializer = "uniform", activation = "relu"))
model.compile(optimizer = "rmsprop", loss = "root_mean_squared_error")#, metrics =["accuracy"])

model.fit(train_set, label_log, batch_size = 32, epochs = 50, validation_split = 0.15)

Habe ich versucht, eine benutzerdefinierte root_mean_squared_error Funktion fand ich auf GitHub, aber ich weiß die syntax ist nicht das, was erforderlich ist. Ich denke, die y_true und die y_pred müssten definiert werden, bevor Sie an die zurückgeben, aber ich habe keine Ahnung wie genau, ich habe gerade angefangen mit der Programmierung in python, und ich bin wirklich nicht gut in Mathe...

from keras import backend as K

def root_mean_squared_error(y_true, y_pred):
        return K.sqrt(K.mean(K.square(y_pred - y_true), axis=-1))

Erhalte ich den folgenden Fehler mit dieser Funktion:

ValueError: ('Unknown loss function', ':root_mean_squared_error')

Vielen Dank für Eure Ideen, ich Schätze jede Hilfe!

Die root_mean_squared_error Sie definiert, scheint gleichbedeutend mit 'mse'(mean squared error) in keras. Nur zur info.

InformationsquelleAutor dennis | 2017-05-08

29

Wenn Sie eine benutzerdefinierte Verlust, die Sie brauchen, um es ohne Anführungszeichen, wie Sie übergeben der Funktion Objekt, kein string:
```
def root_mean_squared_error(y_true, y_pred):
        return K.sqrt(K.mean(K.square(y_pred - y_true))) 

model.compile(optimizer = "rmsprop", loss = root_mean_squared_error, 
              metrics =["accuracy"])
```
- Funktioniert einwandfrei, vielen Dank für den Hinweis auf diesen Fehler. Ich habe wirklich nicht daran zu denken, dass die Art und Weise, wie ich bin Art von neuen zu Programmieren. Würde man nicht wissen, durch Zufall, wie Bearbeiten Sie diese benutzerdefinierte Funktion, so dass es berechnet die root-mean-square-LOGARITHMISCHE Fehler, würden Sie?
- Es gibt mir Unbekannten Verlust Funktion:root_mean_squared_error
- Bitte machen Sie nicht solche Kommentare, machen Sie Ihre eigene Frage mit source-code.
- Du bist wahrscheinlich setzen Sie Anführungszeichen um die Funktion Namen aus. Sie übergeben der Funktion Objekt an die compile-Funktion, nicht seinen Namen.
- du meinst metrics=['mse']?
InformationsquelleAutor Matias Valdenegro
19

Akzeptierte Antwort enthält einen Fehler, was dazu führt, dass RMSE tatsächlich MAE, als pro das folgende Problem:

https://github.com/keras-team/keras/issues/10706

Die richtige definition sollte
```
def root_mean_squared_error(y_true, y_pred):
        return K.sqrt(K.mean(K.square(y_pred - y_true)))
```
- dieser sollte richtig sein...
InformationsquelleAutor Germán Sanchis

Wenn Sie mit neuesten tensorflow der Nacht, obwohl es keine RMSE in der Dokumentation, es ist ein tf.keras.metrics.RootMeanSquaredError() im source code.

Beispiel für die Nutzung:

model.compile(tf.compat.v1.train.GradientDescentOptimizer(learning_rate),
              loss=tf.keras.metrics.mean_squared_error,
              metrics=[tf.keras.metrics.RootMeanSquaredError(name='rmse')])

InformationsquelleAutor Richard Xue

Schreibe einen Kommentar

Du musst angemeldet sein, um einen Kommentar abzugeben.