如何处理输入数据没有噪声但目标变量有噪声的回归问题？是否有任何回归算法对嘈杂的目标变量具有鲁棒性？
另外，是否有可能以某种方式对目标变量进行去噪？如果是这样，怎么做？
带有噪声目标变量的回归
数据挖掘
机器学习
深度学习
回归
支持向量机
监督学习
2022-03-16 01:23:22
1个回答
这取决于噪音的大小：
- 如果它只是一点点噪音，例如 2% 的目标值偏离了一个小值，那么您可以放心地忽略它，因为回归方法无论如何都会依赖于最频繁的模式。
- 如果有很多噪声，比如 50% 的目标值是完全随机的，那么除非你能检测并移除噪声实例，否则你可以忘记它：数据集是无用的。
一般来说，机器学习算法是基于统计原理的，在某种程度上，它们的工作是避免噪声并专注于规则模式。但是有两点需要注意：
- 噪声真的是随机的，还是会在数据中引入一些偏差？后者是一个更严重的问题。
- 嘈杂的数据更有可能导致过度拟合，因此应采取额外的预防措施：根据数据，可能需要减少特征的数量和/或模型的复杂性。