ニューラルネットワークモデルは、損失関数として加重平均（Sum）二乗誤差を使用できますか？

Question

私はこの分野の研究には何もないので、おそらくこれはかなりばかげた質問です。私は通常のANNを構築したいが、私は損失関数として加重平均二乗誤差を使用できるかどうか分からない。 各サンプルを等しく扱っていない場合、私は、サンプルのカテゴリのいくつかについて他のものよりも予測精度をより重視し、重み付けされた損失関数を作成したいと考えています。 はiはサンプルのインデックスであり、かつ簡単にするために、我々は0または1だから、どちらか、この機能は、バイナリ値をとると仮定し、我々は

(ci + 1)(yi_hat - yi)^2 

#and take the sum for all i 

として損失関数を形成することができ、我々はカテゴリ機能 ciを持っている、と言うことができます

バックプロパゲーションに問題がありますか？グラデーションの計算やレイヤー間のウェイトの更新に関しては何の問題もありません。 そして、問題がなければ、Kerasでこの損失関数をどのようにプログラムできますか？損失関数はy_trueとy_predの2つのパラメータしかとらないので、ベクトルcをどのように差し込むことができますか？

Answer 1

これは絶対に問題ありません。関数が自分自身をwithing定数を宣言したり、外部の範囲から定数を取ることができます。

import keras.backend as K 

c = K.constant([c1,c2,c3,c4,...,cn]) 

def weighted_loss(y_true,y_pred): 
    loss = keras.losses.get('mse') 
    return c * loss(y_true,y_pred) 

---

まさにあなたのように：

def weighted_loss(y_true,y_pred): 

    weighted = (c+1)*K.square(y_true-y_pred) 
    return K.sum(weighted)