我正在研究房价数据集，目标是预测房价。
房子的价格永远是正的，据我说，该模型有可能预测某些样本的负面结果。
如果它是正确的，有没有办法控制训练，使模型总是至少预测正值。
与分类案例一样，我们使用 Sigmoid/Softmax 激活函数对概率结果进行归一化。我们可以有一些正值的激活函数吗？
我可以使用泊松损失吗？
深度学习的回归问题
数据挖掘
回归
损失
2022-03-10 07:44:46
2个回答
模型预测房价负值的能力取决于数据。在没有负定价的大量数据上，模型不会预测负数。然而，在极少数情况下，如果模型没有很好地训练或没有看到这样的样本，那么它仍然是可能的。
模型对正值的预测仍然可以控制后预测。就像使用门槛一样。
y = y if y>0 else 0; 如果住房成本 (y) 为正，则为原样，否则为 0。ReLu功能，以您想要的方式工作。负值通过激活转换为 0。
我不太确定泊松损失，你可以试试。
- 由于以下两个原因，模型预测为负值
- 检查是否有任何数据未经预处理就输入到模型中（即数据包含任何不适当的值。）
- 提供足够的数据来训练模型（即 80% 的数据）
问题的目标变量是“房价”，它明确说明这是一个回归问题。对于回归问题，效果好的激活函数是“RELU”。 https://www.mygreatlearning.com/blog/relu-activation-function/
泊松损失不能用于这个问题。对于这个问题，Log Loss 可以很好地工作。
何时使用泊松损失？ 当您的目标变量仅遵循泊松分布时，您可以使用此损失函数。例如：当目标暗示“下一小时内进入商店的顾客数量”时，您可以使用毒物损失功能。