Как сегментировать/вес затрат и подготовки данных по-разному на основе значения, для нейронных сетей

Question

Я ищу идеи/направление для решения проблемы у меня есть:

Контекст: У меня есть почасовые временные ряды данных (т.е. один ряд признаков для каждого из 24 часов в день), на 1000 дней. В течение каждого часа я пытаюсь предсказать целевое значение. Теперь, Мне больше нравится точность определенных часов дня (например, 08: 00-18: 00) по сравнению с оставшимися часами дня.

Проблема/вопрос: Как я могу настроить свою функцию стоимости, чтобы больше интересоваться точностью в эти часы? Или это вопрос взвешивания данных по-разному, чтобы дать больший вес часам 08: 00-18: 00?

Подход: Я закодировал MLP в Tensorflow и использую среднюю квадратную ошибку в качестве моей функции стоимости, а Адам - ​​оптимизатором. И хотя этот подход хорош для повышения общей точности (т. Е.> 90%), точность наших ключевых часов недостаточно высока.

Вот моя стоимость функции:

cost = tf.reduce_mean(tf.abs(pred-y)/y) 

Есть ли у вас какие-нибудь идеи? Спасибо! :)

Answer 1

Вы можете добавить местозаполнитель (размер партии на 1), который представляет собой важный пример тренировки. Получите стоимость для каждой строки в вашей партии (размер партии на 1) и поточечно умножьте свой заполнитель на свои затраты.