проблема
В регрессии обычно вычисляют среднеквадратическую ошибку (MSE) для выборки:
Сейчас я работаю над проблемой регрессии, цель которой состоит в том, чтобы предсказать цену, которую клиенты готовы заплатить за продукт, учитывая ряд числовых характеристик. Если прогнозируемая цена слишком высока, ни один покупатель не будет покупать продукт, но денежные потери будут низкими, потому что цена может быть просто уменьшена. Конечно, оно не должно быть слишком высоким, так как тогда продукт нельзя будет покупать долго. С другой стороны, если прогнозируемая цена слишком низкая, продукт будет куплен быстро, без возможности корректировки цены.
Другими словами, алгоритм обучения должен прогнозировать немного более высокие цены, которые можно уменьшить при необходимости, а не недооценивать истинную цену, что приведет к немедленной денежной потере.
Вопрос
Как бы вы разработали метрику ошибки, включающую эту асимметрию стоимости?
Возможное решение
Способ определения асимметричной функции потерь состоит в том, чтобы просто умножить на вес: