文章目录
定量qₐ是一个值,它将一组给定的数字进行划分,其中 α * 100%的数字小于该值,(1-α) * 100%的数字大于该值。
统计中经常使用 α = 0.25、α = 0.5 和 α = 0.75 的四分位数 qₐ,称为四分位数。这些四分位数分别称为 Q₁、Q₂ 和 Q₃。三个四分位数将数据分成 4 个相等的部分。
同样,还有百分位数 p,它将一组给定的数字平均分成 100 份。百分位数用 pₐ 表示,其中 α 是小于相应值的数字的百分比。
四分位数 Q₁、Q₂ 和 Q₃ 分别对应百分位数 p₂₅、p₅₀ 和 p₇₅。
在下面的示例中,对于一组给定的数字,可以找到所有三个四分位数。
Quantile Loss
旨在预测特定变量量值的机器学习算法使用量值损失作为损失函数。在介绍算法之前,让我们先看一个简单的例子。
设想一个问题,其目标是预测变量的 75th 百分位数。 事实上,这句话等同于预测误差在 75% 的情况下必须为负,而在另外 25% 的情况下必须为正。这就是量值损失背后的实际直觉。
量化损失的值取决于预测值是小于还是大于真实值。为了更好地理解其背后的逻辑,假设我们的目标是预测 80 分位数,因此将 α = 0.8 的值插入公式中。结果,公式如下
基本上,在这种情况下,量值损失对低估预测的惩罚是高估预测的 4 倍。这样,模型对低估误差的影响会更大,预测值也会更高。因此,拟合模型平均在大约 80% 的情况下会高估结果,在 20% 的情况下会低估结果。
现在,假设对同一目标进行了两次预测。目标值为 40,而预测值分别为 30 和 50。让我们计算两种情况下的量化损失。尽管两种情况下 10 的绝对误差相同,但损失值却不同:
for 30, the loss value is l = 0.8 * 10 = 8
for 50, the loss value is l = 0.2 * 10 = 2.
下图显示了当真实值为 40 时,不同参数 α 的损失值。
预测某个变量的量化值的问题称为量化回归。
示例
让我们创建一个包含 10 000 个样本的合成数据集,根据游戏时长来估算玩家在视频游戏中的评分。
从上面的散点图可以看出,α 值越大,模型产生的高估结果越多。此外,让我们比较一下每个模型与所有目标值的预测结果。
我们可以清楚地看到输出结果的模式:对于任意 α 值,预测值在大约 α * 100% 的情况下都大于真实值。因此,我们可以通过实验得出结论:我们的预测模型工作正常。