我们正在使用DNN（使用Keras和Tensorflow）根据某些数据y预测值X，这非常有用。现在我们想将其扩展到不仅预测值y，还预测它以百分位形式的分布。
一个例子：说我们正在处理房价。一个特定的房子（数据X’）目前售价为100万，所以y(X’) = 1 000 000，但我们知道这是一个很高的价格。我们估计所有可比房屋（同一房屋X’）的90％销售更便宜，因此y(X’)的第90百分位数为100万。
我们如何使用我们的数据集(X,y)来训练DNN来预测/估计y(X')的第90个百分位是100万？
在某种程度上，这样的网络不仅可以了解哪些值可以最小化成本函数，还可以了解输入的噪声有多大。再举一个例子，假设我们有一个X'，房价在10万美元不变（例如，由于一些国营计划建造了数千个完全相同的房屋，所有房屋的价格都在100 000）。我希望网络不仅可以学习100 000的价值，而且还有一个非常精确的预测。
我认为如果我们可以预测标准偏差，我们可以计算出合理的百分位数分布，所以标准差可能就足够了。