机器学习中目标特征的不确定性
[英]Uncertainty in target feature in machine learning
问题描述
好的，假设我有一个包含一些特征的数据集，比如说 X，目标 Y 有一个错误（因为这是一个实验测量，它有不确定性），在训练一些机器时我应该如何处理这个问题学习回归算法？ X 和 Y 都是连续的。
RMSE 是否说明了我在没有错误信息的情况下训练的模型的预测值的误差？ 还是我应该使用另一个指标来计算误差？ 我不记得这些东西背后的统计数据，所以，你们可以推荐我读的东西。
我做的第一件事是忽略 Y 的误差并尝试拟合“粗” X 和 Y，获取模型并给出一些指标（比如我认为可行的 RMSE），获取我的预测误差，但我认为这是不对的。
那么，我应该如何处理有错误的数据集以创建更准确的模型？ 以及如何获取我的预测的错误信息？
0 个解决方案
将具有Python和机器学习功能的机器学习服务添加到现有SQL Server 2017中
[英]Add Machine Learning Services with Python and machine learning feature to existing SQL Server 2017
机器学习，特征工程和模型展示的常用技术是什么？
[英]Machine Learning, What are the common techniques for feature engineering and presenting the model?
Python中的机器学习 - 为标签获得最佳的功能组合
[英]Machine Learning in Python - Get the best possible feature-combination for a label
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.