问什么是一个好的损失函数来惩罚大小和符号差异

EN

据我所知，你目前的损失函数类似于：

loss = mean_square_error(y, y_pred)

你可以做的，是在你的损失中添加另一个组件，这是一个惩罚负数的组件，对正数不做任何事情。你可以选择一个系数来表示你想惩罚它的程度。为此，我们可以像使用负数形状的ReLU一样使用。如下所示：

​

​

让我们对这个组件调用"Neg_ReLU“。然后，你的损失函数将是：

loss = mean_squared_error(y, y_pred) + Neg_ReLU(y_pred)

例如，如果结果为-1，则总误差为：

mean_squared_error(1, -1) + 1

如果你的结果是3，那么总的误差是：

mean_squared_error(1, -1) + 0

(参见上面函数中的Neg_ReLU(3) = 0和Neg_ReLU(- 1 ) =1。

如果你想惩罚更多的负值，那么你可以添加一个系数：

coeff_negative_value = 2

loss = mean_squared_error(y, y_pred) + coeff_negative_value * Neg_ReLU

​

​

现在，负值更受惩罚。

我们可以这样构建ReLU负函数：

tf.nn.relu(tf.math.negative(value))

所以总而言之，最终你的总损失将是：

coeff = 1

Neg_ReLU = tf.nn.relu(tf.math.negative(y))

total_loss = mean_squared_error(y, y_pred) + coeff * Neg_ReLU