A menos que esté utilizando un modelo restringido solo a números positivos, esto es de esperar cuando se utiliza la regresión lineal.
Una solución es una solución rápida y sucia: asigna todos los números negativos al precio más bajo que hayas observado hasta ahora.
Una forma mejor pero menos fácil es usar un modelo diferente. Por ejemplo, usando [math] \ hat {y} = e ^ {\ vec {w} ^ T \ cdot \ vec {x}} [/ math] como modelo. Esto significa que necesita escribir mucho código y hacer muchos cálculos usted mismo (¿cuál es la nueva función de pérdida y cómo encuentra el punto óptimo? ¿Existen técnicas de optimización y regularización que pueda resolver?)
- ¿Es el cerebro humano una gran red neuronal o está formado por muchas redes neuronales más pequeñas?
- ¿Cuáles son los problemas menos resueltos o no resueltos que se pueden resolver con el aprendizaje automático y el aprendizaje profundo?
- ¿Qué recomendarías, Machine Learning o DevOps?
- ¿Cómo detectaría el modelo de aprendizaje profundo los mismos objetos varias veces en un parche de imagen si existe?
- ¿Por qué hay tantos enfoques generativos en la clasificación de escenas, mientras que el enfoque discriminatorio es el principal en el reconocimiento / detección de objetos?
De hecho, este modelo probablemente funcionará mejor cuando se trata del valor monetario de la propiedad. Una diferencia de $ 1000 puede ser trivial (la diferencia entre $ 1,000,000 y $ 1,001,000, por ejemplo) o muy grande (la diferencia entre $ 1 y $ 1,001). El modelo anterior captura esto.
