我正在尝试使用人工神经网络和Keras来预测一个函数的演变。我希望神经网络的输出是保守的，即我可以接受对值的低估（在一定程度上），但高估是一个更大的问题。

我想使用以下度量方法：

• 如果预测值y_predicted小于真实值y_true，则使用mae / 2
• 如果预测值y_predicted大于真实值y_true，则使用mae * 2

我认为这在Keras中是可行的，但我承认我不知道如何实现。有人知道如何做到这一点吗？

谢谢

回答：

我认为实现这一点的最简单方法是使用tf.keras.backend.switch创建一个自定义度量方法

这里是一个简单的示例：

X = np.random.uniform(0,1, (100,30))y = np.random.uniform(0,1, (100,1))def custom_metric(true, pred):    abs_error = tf.abs(true - pred)    error = tf.keras.backend.switch(pred < true, abs_error/2, abs_error*2)    return tf.reduce_mean(error)    inp = Input((30,))x = Dense(32)(inp)out = Dense(1)(x)model = Model(inp, out)model.compile('adam', 'mse', metrics=custom_metric)model.fit(X,y, epochs=3)

你也可以根据需要进行修改