Python 基于模型预测得到的值优化KERA中的权重
我在Keras中使用rnn预测电力需求,创建概率预测。我首先使用多分位数回归方法对模型进行训练,即产生99个输出,然后使用单独的指标对模型的预测进行评分。这个指标更多的是一个计数值(观察到的期望值/期望值),我无法在开始时对我的模型进行训练。我想在第二个指标上优化我的权重Python 基于模型预测得到的值优化KERA中的权重,python,tensorflow,optimization,keras,Python,Tensorflow,Optimization,Keras,我在Keras中使用rnn预测电力需求,创建概率预测。我首先使用多分位数回归方法对模型进行训练,即产生99个输出,然后使用单独的指标对模型的预测进行评分。这个指标更多的是一个计数值(观察到的期望值/期望值),我无法在开始时对我的模型进行训练。我想在第二个指标上优化我的权重 def qcs(expected, observed): return ((observed-expected)**2/expected/len(expected)).sum(0) 有办法做到这一点吗?为什么你不能先
def qcs(expected, observed):
return ((observed-expected)**2/expected/len(expected)).sum(0)
有办法做到这一点吗?为什么你不能先在上面训练你的模型?你能解释一下网络在预测什么以及如何计算度量吗?只要你的第二个度量是可微的,你就一定能做到。否则,您必须找到感兴趣的度量的近似/软版本。@KonstantinosKokos我无法首先在上面训练模型,因为在生成概率预测时,我需要使用多元回归技术。我使用的度量基本上是从观测值中减去期望值,然后除以期望值。要计算这个特定值,我们需要多个预测。几乎是一年的预测。@Chinni网络正在预测一整年上午9点的电力需求。我首先在弹球损失[link]上训练模型(然后我使用的度量基本上从观察值中减去期望值,然后除以期望值)。