machine-learning - 机器学习，强调某些观察？

Question

我有一个多类机器学习问题，我将尝试不同的方法，例如逻辑回归、决策树、多层感知器等。

数据集中的观测值有一个属性，它是从 1 到 5 的索引，它定义了某个观测值被正确分类的重要性(索引 1 非常重要，索引 5 根本不重要)。我的问题是:

问题 1:我应该如何向模型强调较低指数的观测值更重要？我正在考虑复制这些观察结果，以便模型更好地拟合较低指数的观察结果，还有哪些其他可能的方法？

问题 2:我可以使用什么性能评估标准来找到能够很好地预测这些低指数观测值的模型？ (除了计算正确预测的实例之间的索引分布之外。)

问候，

Answer 1

答案 1:更频繁地呈现训练集的重要模式是标准方法。如果您的训练算法具有类似学习率的功能(例如，如果您使用反向传播)，您还可以针对高优先级模式增加此参数。

答案 2:我会使用加权均方误差，并给予高优先级模式的误差较大的权重。