Функция потери RMSE/ RMSLE в Keras

Я пытаюсь принять участие в моем первом конкурсе Kaggle, где RMSLE дается как необходимая функция потери. Ибо я не нашел ничего, как реализовать это loss function Я пытался согласиться на RMSE. Я знаю, что это было частью Keras в прошлом, есть ли способ использовать его в последней версии, возможно, с настраиваемой функцией через backend?

это NN, который я разработал:

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)

я попробовал настроить root_mean_squared_error функция, которую я нашел на GitHub, но для всех I знайте, что синтаксис-это не то, что требуется. Я думаю, что y_true и y_pred должен быть определен перед передачей на возврат, но я понятия не имею, как именно, я только начал с программирования на python, и я действительно не так хорош в математике...

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)) 

Я получаю следующую ошибку с этой функцией:

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

Спасибо за ваши идеи, я ценю любую помощь!

1 ответов


когда вы используете пользовательскую потерю, вам нужно поставить ее без кавычек, так как вы передаете объект функции, а не строку:

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

model.compile(optimizer = "rmsprop", loss = root_mean_squared_error, 
              metrics =["accuracy"])