Python Keras中的RMSE/RMSLE损失函数

我试着参加我的第一次卡格尔比赛，

RMSLE

作为所需的损失函数。因为我找不到如何实现这个

丢失函数

我试着满足于

RMSE

。我知道这是过去

Keras

的一部分，有没有办法在最新版本中使用它，或者通过

后端

定制功能

这是我设计的NN：

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)

我在GitHub上找到了一个自定义的

root\u mean\u squared\u error

函数，但据我所知，语法不是必需的。我认为

y_true

和

y_pred

必须在传递到返回之前进行定义，但我不知道具体如何，我刚开始用python编程，我的数学真的不太好

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)) 

我收到此函数的以下错误：

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

---

谢谢你的想法，我感谢你的帮助

使用自定义丢失时，在传递函数对象而不是字符串时，需要将其不带引号：

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

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

---

根据以下问题，接受的答案包含一个错误，导致RMSE实际上是MAE：

正确的定义应该是

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

---

如果您每晚都在使用最新的tensorflow，尽管文档中没有RMSE，但是在中有一个

tf.keras.metrics.RootMeanSquaredError（）

示例用法：

model.compile（tf.compat.v1.train.GradientDescentOptimizer（学习率），
损失=tf.keras.metrics.mean_squared_误差，
metrics=[tf.keras.metrics.RootMeanSquaredError（name='rmse'）]）

我更喜欢重用Keras工作的一部分

from keras.losses import mean_squared_error

def root_mean_squared_error(y_true, y_pred):
    return K.sqrt(mean_squared_error(y_true, y_pred))

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

---

您可以使用与其他答案中显示的RMSE相同的方式执行RMSLE，您只需合并日志功能：

from tensorflow.keras import backend as K

def root_mean_squared_log_error(y_true, y_pred):
    return K.sqrt(K.mean(K.square(K.log(1+y_pred) - K.log(1+y_true))))

---

RMSLE的更简化版本：

import tensorflow as tf
import tensorflow.keras.backend as K

def rmsle_custom(y_true, y_pred):
    msle = tf.keras.losses.MeanSquaredLogarithmicError()
    return K.sqrt(msle(y_true, y_pred)) 

---

很好，非常感谢你指出了那个错误。我真的没有这样想，因为我是一个编程新手。你可能不知道如何编辑这个自定义函数，以便它计算均方根对数误差，是吗？它给了我未知的损失函数：均方根_error@Jitesh请不要发表这样的评论，用源代码提出您自己的问题。@Jitesh您可能在函数名周围加了引号。您需要将函数对象传递给编译函数，而不是它的名称。这段代码给出了与MAE相同的值，而不是RMSE（请参见下面的答案）。您定义的均方根误差似乎相当于keras中的“mse”（均方误差）。仅供参考。需要注意的一点是，这个损失函数的流形可能会变为无穷大（因为平方根），训练可能会失败。我刚刚尝试了这个函数，得到了这个无穷大的损失^ ^ ^ ^ lol，是的，如果在训练的某个点上，平方根返回无穷大，那么你所有的训练失败都会失败。非常感谢你的评论！我花了很多时间试图弄清楚为什么我的RMSE结果（使用上面的代码）与MAE相同。当我尝试将其用作损失函数时，我得到了一个错误：

AttributeError:'RootMeanSquaredError'对象没有属性'\uu name'

，即使我使用了name参数。您可能需要添加更多解释。