千萬(wàn)里不及你
2021-11-23 20:20:37
我已經(jīng)使用 Keras 構(gòu)建了一個(gè)模型來(lái)解決回歸問(wèn)題。我想對(duì)這個(gè)模型進(jìn)行超參數(shù)優(yōu)化。作為我使用的指標(biāo)val_mean_absolute_error。在示例中,僅涵蓋分類問(wèn)題(可在https://github.com/maxpumperla/hyperas 上獲得)validation_acc = np.amax(result.history['val_acc']) print('Best validation acc of epoch:', validation_acc)return {'loss': -validation_acc, 'status': STATUS_OK, 'model': model}如何針對(duì)回歸問(wèn)題調(diào)整此代碼(val_mean_absolute_error用作指標(biāo))?
1 回答

狐的傳說(shuō)
TA貢獻(xiàn)1804條經(jīng)驗(yàn) 獲得超3個(gè)贊
對(duì)于回歸問(wèn)題,我們通常不定義單獨(dú)的度量,使用損失本身來(lái)評(píng)估模型性能(越低越好);因此,假設(shè)您使用的mae是損失,并且您已將模型編譯為
model.compile(loss='mae', optimizer={{choice(['rmsprop', 'adam', 'sgd'])}})
這是您應(yīng)該如何修改鏈接示例中的代碼:
#get the lowest validation loss of the training epochs
validation_loss = np.amin(result.history['val_loss'])
print('Best validation loss of epoch:', validation_loss)
return {'loss': validation_loss, 'status': STATUS_OK, 'model': model}
確實(shí)有些人metrics=['mae']在類似情況下添加了編譯參數(shù),但這是不必要的。
添加回答
舉報(bào)
0/150
提交
取消