Datennormalisierung nach Vorhersage RF

Question

Random Algorithmus zur Regression i in iternet gefunden, als nach der Vorhersage sie normalisieren die vorhergesagten Ergebnisse, dass bedeutet, dass wir annehmen, dass das Ergebnis

pred ist

pred = pred = pred * (np.exp (- pred/100) * 2 + 1)

Haben Sie eine Idee, warum die Ergebnisse der Vorhersage normalisieren und warum diese Formel und welche Art von Normalisierung der vorhergesagten Ergebnisse durchgeführt werden können?

Answer 1

Kurz gesagt: tun Sie nicht so eine zufällige Sache.

Detailliertere Antwort: Es gibt keinen Grund für irgendeine Art von „fixed Gleichung“ Nachbearbeitung tun. Der einzige Grund, f (x) auf Ihre Vorhersagen anzuwenden, ist , wenn Sie f^-1 (x) vor dem Training angewendet haben. Mit anderen Worten: Wenn Sie Ihre Daten vor dem Training irgendwie transformiert haben, müssen Sie die Rücktransformation auf die Vorhersage anwenden, um zum ursprünglichen Raum zurückzukehren.

Um zu zeigen, wie nutzlos die Gleichung ist, betrachten Sie das Regressionsproblem mit negativen Ausgaben, zum Beispiel zwischen -10000 und 0. Sagen wir, dass Ihr Modell nicht perfekt ist und sagt -9900 statt -10000 voraus, entsprechend " Regel "du bekommst (-9900) * (np.exp (- (- 9900)/100) * 2 + 1) was unter den Zeilen von -200.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000 (-247) steht.