Summary

• Business Impact에 기반해서 Loss Function을 수정해야할 필요가 있다.
• 예를 들어 비대칭 구조(예: 지수분포)에서는 Loss값에 Weight를 줘야하는 상황이 그렇다.
• Keras에서는 Model에 필요한 제반 환경을 Complie이라는 단계에서 설정하는데 이 때 Loss Function을 Keras 라이브러리에서 불러올 수도 있지만 앞서 언급한 바와 같이 Custom Loss Function을 설정할 수 있다.

Example

• 여기서 AMSE는 Asymmetric Mean Squared Error의 준말이다.

import keras.backend as K
from keras import models
from keras import layers


def AMSE(y_true, y_pred):
	loss = K.square(y_pred - y_true)
	loss = (loss**2)*10.0 if loss < 0 else loss**2
	return loss

def build_model():
	model = models.Sequential()
	model.add(layers.Dense(64, activation='relu', input_shape=(train_data.shape[1],)))
	model.add(layers.Dense(64, activation='relu'))
	model.add(layers.Dense(1))
	model.compile(optimizer='rmsprop', loss = AMSE, metrics=['mae'])
	return model 

References

• https://keras.io/api/losses/regression_losses/#meansquarederror-class
• Long Tail Event에서 예측시 정확도 높이기 (Doordash Case)