如何在 AutoKeras 的 StructuredDataClassifier 中设置自定义损失函数？

如何解决如何在 AutoKeras 的 StructuredDataClassifier 中设置自定义损失函数？

我们正在做分类预测。我们的数据集是不平衡的，并且包含比零标签多得多的零标签。 我们试图通过我们的自定义损失函数来解决这个问题，该函数返回真零或更大的真误差百分比。 例如，如果真零有 5% 的误差，真零有 20% 的误差，那么损失函数会返回更大的误差，即 20。

def custom_function_max_incorrect(y_true,y_pred):
    y_true = backend.round(backend.clip(y_true,1))
    y_pred = backend.round(backend.clip(y_pred,1))

    all_zeroes_count = backend.maximum(backend.sum(1.0 - y_true),1) # must be more than 0
    incorrect_zeroes_count = backend.sum((1.0 - y_true) * y_pred)
    incorrect_zeroes_percents = 100.0 * incorrect_zeroes_count / all_zeroes_count

    all_ones_count = backend.maximum(backend.sum(y_true),1) # must be more than 0
    incorrect_ones_count = backend.sum(y_true * (1.0 - y_pred))
    incorrect_ones_percents = 100.0 * incorrect_ones_count / all_ones_count

    incorrect_percents_max = backend.maximum(incorrect_ones_percents,incorrect_zeroes_percents)
    return incorrect_percents_max

我们使用的是 AutoKeras 1.0.15（目前是最新版本），唯一的问题是 AutoKeras 中的 StructuredDataClassifier 似乎忽略了我们的损失参数，而是始终使用默认参数。 这是我们代码的一部分：

clf = autokeras.StructuredDataClassifier(
    overwrite=True,max_trials=200,loss = custom_function_max_incorrect,objective = kerastuner.Objective("custom_function_max_incorrect",direction="min")
)

clf.fit(train_file_path,"CurrentHasOrder",epochs=100)

有趣的是，StructuredDataRegressor 正确使用了我们提供的 loss 参数，但 StructuredDataClassifier 似乎忽略了它。

我们也尝试声明自定义对象，但 StructuredDataClassifier 仍在使用默认损失函数并忽略我们的自定义损失函数：

with tf.keras.utils.custom_object_scope({'custom_function_max_incorrect': custom_function_max_incorrect}):

    clf = autokeras.StructuredDataClassifier(
        overwrite=True,direction="min")
    )
    
    clf.fit(train_file_path,epochs=100)

请您帮我们看看如何在StructuredDataClassifier中使用自定义损失函数？