Function 使用Keras的自定义损失函数来惩罚更负面的预测

我理解mse将以相同的方式处理实际-预测和预测-实际。我想写一个自定义损失函数，这样 predict>actual的惩罚大于actual>predict 假设我因预测>实际而受到2倍的处罚。我将如何实现这样的功能

import numpy as np

from keras.models import Model
from keras.layers import Input

import keras.backend as K
from keras.engine.topology import Layer
from keras.layers.core import  Dense

from keras import objectives

def create_model():
    # define the size
    input_size = 6
    hidden_size = 15;
    # definte the model
    model = Sequential()
    model.add(Dense(input_size, input_dim=input_size, kernel_initializer='normal', activation='relu'))
    model.add(Dense(hidden_size, kernel_initializer='normal', activation='relu'))
    model.add(Dense(1, kernel_initializer='normal'))

    # mse is used as loss for the optimiser to converge quickly
    # mae is something you can quantify the manitude
    model.compile(optimizer='adam', loss='mse', metrics=['mae'])

    return model

early_stop = EarlyStopping(monitor='val_loss', patience=20)
history = model.fit(train_features, train_label, epochs=200, validation_split=0.2, verbose=0, shuffle=True)
predvalue = model.predict(test_features).flatten() * 100

如何实现这种丢失功能？

def customLoss（true，pred）：
diff=pred-true
更大=K.更大（差值，0）
更大=K.cast（更大，K.floatx（））#0表示更低，1表示更大
较大=较大+1#1表示较低，2表示较大
#在这里使用某种损失，例如mse或mae，或者从keras中选择一种
#使用mse：
返回K.均值（更大*K.平方（差值））
compile（优化器='adam'，loss=customLoss）

def customLoss（true，pred）：
diff=pred-true
更大=K.更大（差值，0）
更大=K.cast（更大，K.floatx（））#0表示更低，1表示更大
较大=较大+1#1表示较低，2表示较大
#在这里使用某种损失，例如mse或mae，或者从keras中选择一种
#使用mse：
返回K.均值（更大*K.平方（差值））
compile（优化器='adam'，loss=customLoss）

非常感谢您的支持help@HairyAss，欢迎使用Stack Overflow:）--我很高兴它有帮助。当你认为某些答复令人满意时，请注明：“非常感谢你的答复。）help@HairyAss，欢迎使用Stack Overflow:）--我很高兴它有帮助。当你认为某些答复令人满意时，请注明如下：