Hàm mất mát tùy chỉnh

Machine Learning cho Tài chính bằng Python

Nathan George

Data Science Professor

sai hướng

MSE với phạt theo hướng

Nếu hướng của dự đoán và mục tiêu trùng nhau:

$ \sum(y - \hat{y})^2$

Nếu không:

$\sum (y - \hat{y})^2 * \text{penalty} $

Cài đặt hàm mất mát tùy chỉnh

import tensorflow as tf

Tạo một hàm

import tensorflow as tf

# create loss function
def mean_squared_error(y_true, y_pred):

Hàm mất mát MSE

import tensorflow as tf

# create loss function
def mean_squared_error(y_true, y_pred):

    loss = tf.square(y_true - y_pred)
    return tf.reduce_mean(loss, axis=-1)

Thêm loss tùy chỉnh vào keras

import tensorflow as tf

# create loss function
def mean_squared_error(y_true, y_pred):
    loss = tf.square(y_true - y_pred)
    return tf.reduce_mean(loss, axis=-1)

# enable use of loss with keras
import keras.losses
keras.losses.mean_squared_error = mean_squared_error

# fit the model with our mse loss function
model.compile(optimizer='adam', loss=mean_squared_error)
history = model.fit(scaled_train_features, train_targets, epochs=50)

Kiểm tra hướng đúng

tf.less(y_true * y_pred, 0)

Đúng hướng:

âm * âm = dương
dương * dương = dương

Sai hướng:

âm * dương = âm
dương * âm = âm

Dùng tf.where()

# create loss function
def sign_penalty(y_true, y_pred):
    penalty = 10.
    loss = tf.where(tf.less(y_true * y_pred, 0), 
                    penalty * tf.square(y_true - y_pred), 
                    tf.square(y_true - y_pred))

Ghép nối hoàn chỉnh

# create loss function
def sign_penalty(y_true, y_pred):
    penalty = 100.
    loss = tf.where(tf.less(y_true * y_pred, 0),
                    penalty * tf.square(y_true - y_pred), 
                    tf.square(y_true - y_pred))

    return tf.reduce_mean(loss, axis=-1)

# enable use of loss with keras
keras.losses.sign_penalty = sign_penalty

Dùng loss tùy chỉnh

# create the model
model = Sequential()
model.add(Dense(50,
                input_dim=scaled_train_features.shape[1],
                activation='relu'))
model.add(Dense(10, activation='relu'))
model.add(Dense(1, activation='linear'))

# fit the model with our custom 'sign_penalty' loss function
model.compile(optimizer='adam', loss=sign_penalty)
history = model.fit(scaled_train_features, train_targets, epochs=50)

Dáng hình nơ bướm

train_preds = model.predict(scaled_train_features)
# scatter the predictions vs actual
plt.scatter(train_preds, train_targets)
plt.xlabel('predictions')
plt.ylabel('actual')
plt.show()

biểu đồ nơ bướm

Tự tạo hàm mất mát của bạn!

Machine Learning cho Tài chính bằng Python