我目前正在研究时间序列预测问题，并正在研究使用 LSTM。

我用来确定预测是否良好的最终准确度指标定义如下：

$$\text{SMAPE-3} = \frac{\sum^n_{t=1}|y_t-\hat{y}_t|}{\sum^n_{t=1}\left(y_t+\hat{y}_t\right)},$$

其中是实际值，是预测值。所以这个公式将产生之间的分数。然后可以从 1 中减去该分数，以在指定的预测范围内产生预测的百分比准确度$y_t$$\hat{y}_t$$[0, 1]$

$$\text{Accuracy} = 1-\frac{\sum^n_{t=1}|y_t-\hat{y}_t|}{\sum^n_{t=1}\left(y_t+\hat{y}_t\right)}.$$

我正在使用 keras，并且已经看到我可以指定自定义损失函数和指标。由于我的预测准确性将使用 sMAPE 3（如上定义）来衡量，因此将其用作我的损失函数对我来说是有意义的。这是因为我的网络成功将通过它使用它的得分来衡量。0分表示100%准确率，1分表示0%准确率。

所以这提出了两个问题，像 smape 这样的度量是否可以用作损失函数，如果可以，为什么/为什么不呢？keras 中的标准损失函数是否被认为更好？也许是因为它们允许更快的收敛？我选择使用 SMAPE3 作为损失函数是否会影响我应该使用哪种优化器？

我问是因为我没有看到很多人使用除 RMSE、MSE 和 MAE 以外的损失函数，这一定是有原因的。