私はいくつかの歪んだデータ分布に対してDNN回帰タスクを実行するとします。今、私は損失関数として平均絶対誤差を使用しています。回帰。傾きのある分布の平均の代わりに中央値を最適化する
機械学習での一般的なアプローチはすべて、平均損失を最小限に抑えますが、歪みがあって不適切であるためです。実用的な観点から、損失の中央値を最小限に抑える方がよい。一つの方法は大きな損失にある係数でペナルティをかけることだと私は思う。そして平均は中央値に近いでしょう。しかし、未知の分布型のためにその係数をどのように計算するのですか?他のアプローチはありますか?アドバイスは何ができますか? (テンソルフロー/ケラスを使用しています)
ありがとう、オレン、私はすでに絶対的な損失を使用していますが、トリッキーな方法です。最初は、損失が1未満になる前に、四捨五入、トレーニングモデルを使用していました。その後、私はABSの損失を使用しています。それはうまくいく。しかし、それでも、適切な損失計算ではるかに良いことがあります。中央値の誤差は依然として変動しており、平均は私が観察できるように最適化されています。 –