我已經使用 Keras 構建了一個模型來解決回歸問題。我想對這個模型進行超參數優化。作為我使用的指標val_mean_absolute_error。在示例中，僅涵蓋分類問題（可在https://github.com/maxpumperla/hyperas 上獲得）validation_acc = np.amax(result.history['val_acc']) print('Best validation acc of epoch:', validation_acc)return {'loss': -validation_acc, 'status': STATUS_OK, 'model': model}如何針對回歸問題調整此代碼（val_mean_absolute_error用作指標）？
1 回答
狐的傳說
TA貢獻1804條經驗 獲得超3個贊
對于回歸問題，我們通常不定義單獨的度量，使用損失本身來評估模型性能（越低越好）；因此，假設您使用的mae是損失，并且您已將模型編譯為
model.compile(loss='mae', optimizer={{choice(['rmsprop', 'adam', 'sgd'])}})
這是您應該如何修改鏈接示例中的代碼：
#get the lowest validation loss of the training epochs
validation_loss = np.amin(result.history['val_loss'])
print('Best validation loss of epoch:', validation_loss)
return {'loss': validation_loss, 'status': STATUS_OK, 'model': model}
確實有些人metrics=['mae']在類似情況下添加了編譯參數，但這是不必要的。
添加回答
舉報
0/150
提交
取消