回归问题的 Hyperas 损失函数

Question

我已经使用 Keras 构建了一个模型来解决回归问题。我想对这个模型进行超参数优化。作为我使用的指标val_mean_absolute_error。在示例中，仅涵盖分类问题（可在https://github.com/maxpumperla/hyperas 上获得）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}如何针对回归问题调整此代码（val_mean_absolute_error用作指标）？

Answer 1

对于回归问题，我们通常不定义单独的度量，使用损失本身来评估模型性能（越低越好）；因此，假设您使用的mae是损失，并且您已将模型编译为

model.compile(loss='mae', optimizer={{choice(['rmsprop', 'adam', 'sgd'])}})

这是您应该如何修改链接示例中的代码：

#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}

确实有些人metrics=['mae']在类似情况下添加了编译参数，但这是不必要的。