সমস্যা
রিগ্রেশনে সাধারণত কোনও নমুনার জন্য গড় স্কোয়ার ত্রুটি (এমএসই) গণনা করা হয় : একটি ভবিষ্যদ্বাণীকের গুণমান পরিমাপ করতে।
এই মুহুর্তে আমি একটি রিগ্রেশন সমস্যা নিয়ে কাজ করছি যেখানে লক্ষ্য নির্ধারণ করা মূল্যের মূল্য গ্রাহকগণ বহু সংখ্যক বৈশিষ্ট্য প্রদত্ত কোনও পণ্যের জন্য অর্থ দিতে আগ্রহী। পূর্বাভাসের দামটি খুব বেশি হলে কোনও গ্রাহক পণ্যটি কিনবেন না, তবে আর্থিক ক্ষয়ক্ষতি কম কারণ দামটি হ্রাস করা যায়। অবশ্যই এটি এত বেশি না হওয়া উচিত কারণ পণ্যটি দীর্ঘ সময়ের জন্য কেনা না যায়। অন্যদিকে যদি পূর্বাভাসীকৃত মূল্য খুব কম হয় তবে দামটি সামঞ্জস্য করার সুযোগ ছাড়াই পণ্যটি দ্রুত কেনা হবে।
অন্য কথায় লার্নিং অ্যালগরিদমকে কিছুটা বেশি দামের পূর্বাভাস দেওয়া উচিত যা সঠিক দামকে অবমূল্যায়ন না করে যেগুলি তাত্ক্ষণিক আর্থিক ক্ষতি হতে পারে তার চেয়ে কম হলে কমতে পারে।
প্রশ্ন
এই ব্যয়টির অসামঞ্জস্যতা সংযুক্ত করে আপনি কীভাবে একটি ত্রুটি মেট্রিক ডিজাইন করবেন?
সম্ভাব্য সমাধান
অসমমিতিক ক্ষতি ফাংশনটি সংজ্ঞায়িত করার একটি উপায় হ'ল ওজন দিয়ে কেবল গুণ করা যায়: সাথে 0 প্যারামিটার হওয়ায় আমরা অসম্পূর্ণতার ডিগ্রি পরিবর্তন করতে সামঞ্জস্য করতে পারি। আমি এটি এখানে খুঁজে পেয়েছি । এটি চতুর্ভুজীয় ক্ষয়ক্ষতি বজায় রাখার জন্য সবচেয়ে সোজা ফরোয়ার্ড জিনিস বলে মনে হয়।