我想预测一个事件的持续时间。当我低估事件持续时间时,它要花费我2美元(每分钟),而高估时要花费1美元(每分钟)。为了捕获这种价格不平衡,我尝试使用Alpha = 0.67(67%的分位数)的LightGBM分位数回归。
我的期望是,这可以将我的业务目标完美地转换为机器学习目标,但是出于好奇,我进行了多次不同运行的检查,结果发现71%的分位数为我创造了最低的成本当我使用不同模型的实际值和预测值使用上述数字进行总体成本计算时。
那怎么可能?
我想预测一个事件的持续时间。当我低估事件持续时间时,它要花费我2美元(每分钟),而高估时要花费1美元(每分钟)。为了捕获这种价格不平衡,我尝试使用Alpha = 0.67(67%的分位数)的LightGBM分位数回归。
我的期望是,这可以将我的业务目标完美地转换为机器学习目标,但是出于好奇,我进行了多次不同运行的检查,结果发现71%的分位数为我创造了最低的成本当我使用不同模型的实际值和预测值使用上述数字进行总体成本计算时。
那怎么可能?