当预测应该是(非分类的)整数时，如何舍入它？

Question

假设我试图预测一个变量y，它是从0到10的分数(仅为整数)，我使用的是线性回归模型。这个模型实际上是在这个区间内生成实数。

我使用的是回归，而不是分类，因为我想说(比如说)2缺少正确的预测比忽略1更糟糕，目前我使用的是平均绝对误差作为评估指标。

假设来自模型的预测是实数，那么在允许的整数集合(从0到10)中约束它的最佳方法是什么？我是应该把预测数舍入最近的整数，还是用任何更好的方法？

Answer 1

您还可以使用多项logistic回归模型，并且可以使用分类精度来衡量该模型的性能。

Answer 2

范围从0到11，并舍入到最近的.5数。这给了你10个均匀间隔，大小相等的类别。如果可以的话，请权衡回归到.5标记有多近，因为理想情况下，结果不应该足够接近边界，从而导致歧义。

或者，范围从-0.5到10.5，并使用整数作为目标。它没有什么区别，但与您现有的网络兼容。