有什么方法可以加倍的惩罚，当模特儿错误分类到一个特定的类？

Question

就像我问的标题。

例如:一种预测股价涨跌概率的模型。假设这是一个三重分类问题。

如果它预测“上升”，而事实是“没有变化”，我想给它一个正常的损失结果；

如果它预测“上升”，但事实是“下降”，我想给它更多的损失结果。

怎么弄到？

Answer 1

是的，但是了解错误分类的原因是很好的，通常原因是数据不平衡，所以您应该看看targert类的分布。

根据模型的不同，您可以使用一些正则化技术或为所需的类分配权重，例如在带决策树的sklearn中。

# class 1 with weight 0, so clf only predicts class 0                         
clf = DecisionTreeClassifier(random_state=0, class_weight={0: 1, 1: 0})

https://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html