如何使用TensorFlow编写自定义损失函数以准确预测商品销量？

本文共计1419个文字，预计阅读时间需要6分钟。

在预测商品销量时，若预测过多（预测值高于实际销量），商家损失的通常是商品的成本；反之，若预测过少（预测值低于实际销量），损失的则是商品的利润。这是因为商品的固有成本和“‘

在预测商品销量时，如果预测多了（预测值比真实销量大），商家损失的是生产商品的成本；而如果预测少了（预测值比真实销量小），损失的则是商品的利润。因为一般商品的成本和商品的利润不会严格相等，比如如果一个商品的成本是1元，但是利润是10元，那么少预测一个就少挣10元；而多预测一个才少挣1元，所以如果神经网络模型最小化的是均方误差损失函数，那么很有可能此模型就无法最大化预期的销售利润。

为了最大化预期利润，需要将损失函数和利润直接联系起来，需要注意的是，损失函数定义的是损失，所以要将利润最大化，定义的损失函数应该刻画成本或者代价，下面的公式给出了一个当预测多于真实值和预测少于真实值时有不同损失系数的损失函数：

其中，yi为一个batch中第i个数据的真实值，yi'为神经网络得到的预测值，a和b是常量，比如在上面介绍的销量预测问题中，a就等于10 （真实值多于预测值的代价），而b等于1 （真实值少于预测值的代价）。