我正在使用scikit学习神经网络工具箱sklearn.neural_网络.mlprepressor训练输出向量为24个节点的回归器。我希望使用一个类似于动态时间扭曲(但稍微简化)的误差函数来量化预测误差。但我不确定,在这个函数中,如何量化输入向量之间的联系。在
问:这仅仅是定义一个评分对象的例子,如这里所示sklearn并将其输入到训练部分中。在
下面是我定义的损失函数。在
def MAAPE(actual,forecast,p,w):
error_array = np.zeros([len(actual), len(forecast)])
error_sum = 0
for i in range(len(actual)):
for j in range(len(forecast)):
if abs(i-j)>w:
error_array[i,j] = float('inf')
else:
error_array[i,j] = abs(actual[i] - forecast[j])/actual[i]
error_sum = error_sum + min(error_array[i,:])**p
MAAPE = (error_sum**(1/p))/len(actual)
return MAAPE
目前没有回答
相关问题 更多 >
编程相关推荐