如何解决如何在 Keras 中预测有序数组
假设我在数字时间序列数据集上有这种多分类问题。给定一些解释性输入 X(t) 和每个时间步长 t 的 k 个类别 C(k)，我必须预测正确的类别。我希望错误的预测会为我提供不同的损失，例如在时间 t Loss(C(h),C(best) > Loss(C(j),C(best)) 考虑到 best 是正确的预测类别. 问题是这个损失是 t 依赖的，“正确”的类和其他类之间的损失在价值和顺序上的每一个时间步长都会改变。基本上类和损失之间的映射随着时间的推移而变化。我不知道如何实现这在 Keras 中以某种方式修改了分类交叉熵。
面对这个问题最简单的方法可能是把它写成一个预测序列而不是单个类的问题。每次我都有一个从最好/正确到最差的类的顺序（与较大的损失相关），我可以尝试预测它，让网络有机会学习与不同错误顺序相关的信息类，然后将序列的第一个元素作为第一个元素的预测或平均值。有没有办法在 Keras 中使用标准工具或编写自定义损失来实现它？
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
