代码之家 › 专栏 › 技术社区 › Fanta

当预测应该是(非分类)整数时,如何舍入预测?[已关闭]

linear-regression machine-learning

Fanta · 技术社区 · 8 年前

假设我试图预测一个变量y,它是一个从0到10的分数(仅限整数),我使用的是一个线性回归模型。模型实际生成 真实的 该间隔内的数字。

我使用的是回归,而不是分类,因为我想说,如果2错过了正确的预测,那么比1错过它更糟糕。目前,我使用平均绝对误差作为评估指标。

如果模型的预测是一个实数,那么将其限制在允许的整数集中(从0到10)的最佳方法是什么?我应该把预测值四舍五入到最接近的整数,还是用更好的方法?

2 回复 | 直到 8 年前

petezurich rdelmar 8 年前

您还可以使用多项式逻辑回归模型,并且可以使用分类精度来衡量模型的性能。

petezurich rdelmar 8 年前

范围从0到11,四舍五入到最接近的0.5数字。这将为您提供10个间距均匀、大小相同的类别。如果可以的话,请根据回归与0.5分的接近程度来权衡回归,因为理想情况下,结果不应与边界足够接近,从而导致歧义。

或者,将范围从-0.5到10.5,并使用整数作为目标。它没有什么区别,但与您现有的网络兼容。

推荐文章

user144153 · 使用python的线性拟合中的错误传播

8 年前

user8276807 · 在logistic回归中添加虚拟变量向量

8 年前

Achow · 多元线性回归Python statsmodel在输出中显示预测变量[T.x]

8 年前

Try Khov · 在R中的lm()中键入多个解释变量是否有捷径?

8 年前

Fanta · 当预测应该是(非分类)整数时,如何舍入预测?[已关闭]

8 年前

78282219 · Proc reg:并行检查最佳三个变量

8 年前

demalegabi · 试图理解线性回归中的期望值

8 年前

Kalpit · 比较线性回归的计算和分析结果

8 年前

BadPractice · 了解R中的durbin-watson测试

8 年前

Fackelmann · Python-Scikit-LinearRegression和Ridge返回不同的结果

8 年前