如何在张量流中使用不同的损失函数，DNNLinearCombinedClassifier

我使用谷歌tensorflow TensorFlow Wide & Deep Learning来预测点击率。该代码基于wide_n_deep_tutorial.py。如何在张量流中使用不同的损失函数，DNNLinearCombinedClassifier

但是，auc是坏的。我检查代码，结果发现，的int DNN_Linear_Combined.py，损失函数被定义为

loss = math_ops.reduce_mean(loss_unweighted, name=name)

在CTR预测，列车数据是不平衡的。所以如果使用这种损失函数，当预测更多的样本在负值类（多数类）时，损失会更好。

更重要的是，预测的点击率远高于真实点击率。（真实点击率低于1％，平均预测点击率约为30％。）

我的问题是：如何修改代码以使用logloss？ TF是否提供这个功能？我检查了代码，发现如下：

功能math_ops.reduce_logsumexp在tensorflow /蟒蛇/ OPS/math_ops.py
功能_log_loss_with_two_classes在tensorflow /的contrib /学习/蟒蛇/学习/估计/ head.py

然而，第一个不会改变math_ops.reduce_sum。我不知道如何使用第二个函数。

总之，我的问题可以概括为：如何修改代码以使用logloss函数。

谢谢。

来源

2017-03-07 Cow

那是什么，你的培训任务解决？你的数据集是什么？请澄清这些方面。 –

如果你只是想计算logloss和损失给出，那么你可以按照以下计算logloss，你不需要修改代码：

log_loss = math_ops.log(loss)

来源

2017-03-08 08:20:51 AvkashChauhan

谢谢，但你能给更多的细节？我的目的不是要计算logloss，而是要用logloss函数作为对象函数来训练模型。在estimator/head.py中，'loss，weighted_average_loss = _loss（parametors）'。那么我应该使用哪个函数来获取logloss？谢谢。 – Cow

如何在张量流中使用不同的损失函数，DNNLinearCombinedClassifier

回答

相关问题