我正在研究创建一个模型来预测一个项目是“非常好”、“好”、“坏”还是“非常坏”。
在我将训练数据拟合到模型之后，在测试期间比较模型的准确性让我感到困惑：如果一个模型将 G 错误分类为 VG 而另一个 G 错误分类为 VB，这是否重要？一个模型有两个错误分类的一个级别，而另一个模型只有一个错误分类但三个级别（例如 VG 到 VB）呢？
关于什么是常用方法的任何指南？此外，我目前的想法是这应该是一个回归问题，但如果我应该将数据集的这种标签更多地视为一个分类问题，我很高兴得到纠正。
在序数回归/分类中比较模型的准确性
数据挖掘
机器学习
分类
回归
计分
2021-09-20 05:33:38
1个回答
你的类表达了一定的顺序。您可以将苹果分类为“绿色”、“红色”或“黄色”，然后每个与参考集的分歧都是相等的。毕竟，颜色没有顺序。因此，正如您已经建议的那样，我当然会使用回归。假设类可以像这样分布：
- 非常糟糕 = 0 - 0.25
- 差 = 0.25 - 0.50
- 好 = 0.50 - 0.75
- 非常好 = 0.75 - 1.00
现在，Very good与Bad的不匹配至少为 0.25，其中Very good与Very bad的不匹配度必须至少为 0.50 ，这样可以更好、更诚实地展示模型的性能。
其它你可能感兴趣的问题