Python “货物”的海关损失；加权；rmse

我正在与Keras/TF进行回归 要预测的值的范围可以是-1到1。 在我的用例中，符号错误是一个大问题，因此我想预测：

• 正确值

• 但上面是正确的符号

例如，如果我必须预测+0.01，那么预测+0.1比预测-0.01问题要小。 同样，如果我必须预测-0.01，那么预测-0.1比预测+0.01不是一个问题

我想我会使用自定义损失来惩罚更多错误符号。 因此，从一个类似rmse的函数中，我添加了系数来表示如下错误：

def loss_rmse2(y_true, y_pred):
    z = K.zeros_like(y_true)
    tp = K.switch( tf.logical_and( K.greater(y_true, z), K.greater(y_pred, z)) , K.square(y_true-y_pred), z)
    fp = K.switch( tf.logical_and( K.less(y_true, z), K.greater(y_pred, z)) , K.square(y_true-y_pred), z)
    tn = K.switch( tf.logical_and( K.less(y_true, z), K.less(y_pred, z)) , K.square(y_true-y_pred), z)
    fn = K.switch( tf.logical_and( K.greater(y_true, z), K.less(y_pred, z)) , K.square(y_true-y_pred), z)
    return K.sqrt(K.mean(tp) + 2 * K.mean(fp) + K.mean(tn) + 2 * K.mean(fn) )

问题是我的模型没有收敛到一个解

你知道怎么处理吗

谢谢

损失函数：

---

如果你在进行二元分类，我建议将其标准化到0到1之间（加1，然后除以2），然后使用

keras.loss。二元交叉熵（y\u true，y\u pred）

模型是否有偏差？还有更多细节吗？我们可以运行任何代码吗？我已经添加了损失演化。我用的是每批的全部数据。（batch size=len（data））我在做回归，但输出的符号可以解释为分类。但我需要符号和值。。。