Keras:装配时使用权重

2024-03-28 20:16:08 发布

您现在位置:Python中文网/ 问答频道 /正文

我有一个关于在keras中使用权重的问题。我有一些数据作为事件,每个事件都有一个相关的权重。因此,当我训练我的keras模型时,我使用了sample_weight参数来传递这些信息。在

然后我注意到如果我想使用模型.预测方法没有传递权重的参数。。。现在我不确定我拥有的权重类型是否是我应该在样本权重的fit方法中使用的权重类型。在

我的问题是,fit方法应该得到什么样的权重?另外,是否知道预测方法不需要对数据进行加权?在

谢谢!在


Tags: 数据sample方法模型信息类型参数事件
2条回答

当您对样本中的所有数据没有相同的信心时,将使用参数sample_weight。这样你就可以告诉Keras你对他们中的一些人比其他人更有信心。它只用于训练,因为它用于调整优化器使用的损失函数(权重)。因此,在fit中,您不应该传递它,因为您对输出一无所知,也不能说任何关于您的信心的内容。在

从Keras的文档(https://keras.io/models/model/#train_on_batch

sample_weight: Optional Numpy array of weights for the training samples, used for weighting the loss function (during training only).

我认为在以下情况下,“样本权重”的含义可能有些混淆模型.拟合. 当你打电话的时候模型.拟合,你是在最小化一个损失函数。这个损失函数测量模型预测值和真实值之间的误差。数据集中的一些样本可能对您更重要,因此您将在这些样本上更重地权衡损失函数。因此,“样本权重”仅用于在培训期间对数据集中的某些样本进行加权,以“更好地拟合”这些样本相对于其他样本。它们是可选的参数模型.拟合(默认情况下,每个样本的权重相等-如果没有足够的理由,你应该怎么做)。而且(希望我的解释足够清楚)在模型.预测. 在

相关问题 更多 >