如何“惩罚”或加权某些（非线性）回归错误？
我想预测约。在给定时间段（一天中的小时/星期几等）中停车场的开放停车场数量。
使用--fields，到目前为止结果似乎相当不错。但是我想知道如何加权/惩罚某些回归错误。
例如。我希望我的模型能够对结果应该（接近）为零的预测感到悲观。为此牺牲一些准确性是可以的。
考虑以下测试集上的实际值与预测值的关系图：
0 个答案:
没有答案
相关问题
最新问题
- 我写了这段代码，但我无法理解我的错误
- 我无法从一个代码实例的列表中删除 None 值，但我可以在另一个实例中。为什么它适用于一个细分市场而不适用于另一个细分市场？
- 是否有可能使 loadstring 不可能等于打印？卢阿
- java中的random.expovariate()
- Appscript 通过会议在 Google 日历中发送电子邮件和创建活动
- 为什么我的 Onclick 箭头功能在 React 中不起作用？
- 在此代码中是否有使用“this”的替代方法？
- 在 SQL Server 和 PostgreSQL 上查询，我如何从第一个表获得第二个表的可视化
- 每千个数字得到
- 更新了城市边界 KML 文件的来源？