最佳答案
-
Telcontar120 主持人,RapidMiner认证分析师,RapidMiner认证专家,会员职位:1635年独角兽@Papad问题是,对于数字标签,虽然你可能没有在训练数据集中观察到负值,但如果模型是基于函数的,那么新的输入值可能会通过外推导致负预测。永远不会得到负预测值的唯一方法要么是使用本质上不能预测负值的模型(例如泊松或逻辑等GLM模型中的某些类型的链接函数),要么是使用不外推的模型(例如某些类型的树模型)。否则,您不能保证模型不会看到新的输入数据并生成超出先前预测范围(可能是负的)的预测。
3.
答案
斯科特
Lindon合资企业
乐鱼平台进入来自认证RapidMiner专家的数据科学咨询
我认为你建议的方法只是改变我的模型将产生的值,但我想要的是我的模型本身不会给出负值。
更明确地说,我拥有的数据集永远不会包含负值,这是不可能的。所以我想让我的模型知道它以便给出正的值。
也许你给出的解决方案不会影响太大的准确性,因为也许我们讨论的是1000个集合中的一个或两个值。
不过我会按你的建议试试。
再次感谢。