我有一个多类机器学习问题，我将尝试不同的方法，如逻辑回归，决策树，多层感知器等。
数据集中的观察结果具有属性，该属性是1-5的指数，其定义了某个观察被正确分类的重要性（指数1非常重要，5根本不重要）。我的问题是：
问题1：我应该如何强调低指数观测值更重要的模型？我想重复这些观察，以便模型更好地适应较低的指数观测，还有哪些方法可能？
问题2：我可以使用哪些绩效评估标准来找到能够很好地预测这些低指数观测值的模型？ （计算正确预测的实例中的索引分布。）
此致
答案 0 :(得分：0)
答案1：更频繁地呈现训练集的重要模式是这方面的标准方法。如果您的训练算法具有类似于leraning率的值（例如，如果您使用反向传播），您还可以为高优先级模式增加此参数。
答案2：我会使用加权均方误差，并将高优先级模式的误差赋予更大的权重。