总是高估

数据挖掘 回归
2021-10-06 04:16:51

我有一个回归用例,我应该根据 3-4 个特征来估计一个值。使用随机森林,我能够得到约 20% 的错误。但是,我现在有一个约束。我可以高估但不能低估。因此,以改进错误为代价,我被允许高估。处理这种约束的正确方法是什么?可以只采用模型提供的估计值的 1.2 倍之类的方法吗?

1个回答

使用边缘处有悬崖的不对称损失函数;例如,

L(x){x2x>0cx2m<x<0dx2px<m

在哪里 c>1, p>1, dC2-2p. 这个想法是在你的损失函数中编码你的约束。