Прогноз должен возвращать ноль, если в одном столбце чисел c отсутствуют данные о поездах

Question

Я пытаюсь предсказать, продан товар или нет.

У меня есть классификатор DNNLinearCombined с описанием, категорией, размером, ценой и т. Д. c. И метка 0 для не проданных и 1 для проданных.

    sold    description category_id size_id gender  price   host_id lat long    year    month
0   1   [dünne, jacke, gepunktet, , , , , , ]   9   25  f   3.5 1   48.21534    11.29949    2019    3
1   1   [kleid, pudel, dunkelblau, gepunktet, , , , , ] 9   25  f   4.0 1   48.21534    11.29949    2019    3
2   0   [kleid, rosa, hum, hund, katze, , , , ] 9   24  f   4.0 1   48.21534    11.29949    2019    3
3   1   [kleid, hum, blau, elsa, und, anna, , , ]   9   24  f   4.0 1   48.21534    11.29949    2019    3
4   0   [kleid, blue, seven, lachsfarben, , , , , ] 9   23  f   4.5 1   48.21534    11.29949    2019    3

text_column = tf.feature_column.categorical_column_with_vocabulary_list(key='description',                                                     vocabulary_list=list(word_index))
text_embedding = tf.feature_column.embedding_column(text_column, dimension=50, combiner='sqrtn')

CATEGORICAL_COLUMNS = ['category_id', 'size_id', 'host_id']
NUMERIC_COLUMNS = ['price','lat', 'long', 'year', 'month']
feature_columns = []

for feature_name in CATEGORICAL_COLUMNS:
  vocabulary = dftrain[feature_name].unique()
  feature_columns.append(feature_column.categorical_column_with_vocabulary_list(feature_name, vocabulary))

for feature_name in NUMERIC_COLUMNS:
  feature_columns.append(feature_column.numeric_column(feature_name, dtype=tf.float32))

est = tf.estimator.DNNLinearCombinedClassifier(linear_feature_columns=feature_columns, dnn_hidden_units=[100],dnn_feature_columns=[text_embedding],
    n_classes=2,
    dnn_optimizer=tf.keras.optimizers.Adagrad(lr=0.003))

Проблема в том, что цена в столбце цифр c оказывает очень меньшее влияние на прогноз, поскольку некоторые товары с одинаковой ценой продаются а некоторые нет. Но в целом цена должна быть в том же регионе, что и проданные товары той же категории, размера и аналогичного описания. Например, если цена товара составляет 2 евро, прогноз составляет 39,6%, но если я устанавливаю цену для того же товара в 100 евро, прогноз составляет 39,4%. Но это не правильно, оно должно быть ниже 1%. Ни одна другая статья в данных обучения не имела такой высокой цены.

Как определить столбец цен, согласно которому полный прогноз приближается к нулю, если нет доступных данных обучения с почти такой же ценой?

Спасибо

Answer 1

Некоторые идеи здесь:

1. Вы должны рассматривать "год" и "месяц" как категориальные признаки, а не цифры c. Это категорические порядковые признаки, а не скаляры.

2. Почему бы вам не попробовать использовать DNNLinearCombined Regressor? Он будет прогнозировать значение от 0 до 1, и вы должны найти правильный предел, чтобы решить, является ли прогноз 0 или 1.

3. Если номер месяца имеет значение, вы можете попробуйте использовать временной ряд , а не регрессию. Я предлагаю вам объединить функции «год» и «месяц» в одну функцию типа date или integer (установите уникальное целочисленное значение для каждой даты).

4. Если вы все еще хотите использовать классификатор, будьте осторожны, чтобы уравновесить данные тренировок.