问weighted_metric如何支持Keras中的sample_weight？
EN

Stack Overflow用户

提问于 2021-10-28 08:02:57

回答 1查看 62关注 0票数 0

我读了创建自定义度量的官方文档。上面写着：

请注意，对于任何这样的度量，都自动支持样本加权。

我想知道，对于复杂的度量，如何支持样本加权。例如，在Keras中计算加权相关性( y_true和y_pred )的度量。代码如下：

def customized_correlation(y_true, y_pred, sample_weights):
    x = y_true
    y = y_pred
    mx = K.mean(x)
    my = K.mean(y)
    xm, ym = x - mx, y - my
    r_num = K.sum(xm * ym * sample_weights)
    r_den = K.sqrt(K.sum(K.square(xm) * sample_weights) * K.sum(K.square(ym) * sample_weights))
    r = r_num / r_den
    return r

如果我们删除代码中的sample_weights变量，Keras如何知道应该在哪里插入sample_weights来计算加权相关性？

machine-learning

keras

回答 1

Stack Overflow用户

发布于 2021-10-29 16:54:44

它没有，也不会起作用。使用sample_weights只意味着最终得到的度量向量将被乘以(按元素计算)在最末端的权向量。

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/69750336

复制

相似问题

问weighted_metric如何支持Keras中的sample_weight？
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问weighted_metric如何支持Keras中的sample_weight？EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问weighted_metric如何支持Keras中的sample_weight？
EN