Keras 中的 RMSE/RMSLE 损失函数

Question

我尝试参加我的第一次 Kaggle 比赛，其中 RMSLE 作为所需的损失函数给出。因为我没有找到如何实现这个 loss function 我试图解决 RMSE 。我知道这是 Keras 过去的一部分，有没有办法在最新版本中使用它，也许通过 backend 使用自定义功能？

这是我设计的 NN：

 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)

我尝试了在 GitHub 上找到的自定义 root_mean_squared_error 函数，但据我所知，语法不是必需的。我认为 y_true 和 y_pred 必须在传递给返回值之前定义，但我不知道具体如何，我刚开始用 python 编程，我真的不是数学好…

 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))

我收到此功能的以下错误：

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

感谢您的想法，感谢您的帮助！

原文由 dennis 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

当您使用自定义损失时，您需要将其不带引号，因为您传递的是函数对象，而不是字符串：

 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"])

原文由 Dr. Snoopy 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

根据以下问题，接受的答案包含错误，导致 RMSE 实际上是 MAE：

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

正确的定义应该是

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

原文由 Germán Sanchis 发布，翻译遵循 CC BY-SA 4.0 许可协议