tensorflow - 为什么我要选择与我的指标不同的损失函数？

当我浏览互联网上的教程或在 SO 上发布的模型时，我经常看到损失函数与用于评估模型的指标不同。这可能看起来像：

model.compile(loss='mse', optimizer='adadelta', metrics=['mae', 'mape'])

无论如何，按照这个例子，我为什么不优化'mae'或'mape'作为损失而不是'mse'当我什至不关心'mse'我的指标时（假设这将是我的模型）？

标签： tensorflowoptimizationkerasgradient-descentloss-function

在许多情况下，您感兴趣的指标可能不可微分，因此您不能将其用作损失，例如准确性就是这种情况，使用交叉熵损失代替，因为它是可微分的。

对于已经可区分的指标，您只想从学习过程中获得更多信息，因为每个指标衡量的东西都不同。例如，MSE 的比例是数据/预测比例的平方，因此要获得相同的比例，您必须使用 RMSE 或 MAE。MAPE 为您提供相对（而非绝对）误差，因此所有这些指标都衡量了可能感兴趣的不同内容。

在准确性的情况下，使用这个度量是因为它很容易被人类解释，而交叉熵损失则不太直观。