迴歸任務 – PETsARD

迴歸任務

評估合成資料在迴歸問題上的實用性。

使用範例

請點擊下方按鈕在 Colab 中執行範例：

Splitter:
  external_split:
    method: custom_data
    filepath:
      ori: benchmark://adult-income_ori
      control: benchmark://adult-income_control
    schema:
      ori: benchmark://adult-income_schema
      control: benchmark://adult-income_schema
Synthesizer:
  external_data:
    method: custom_data
    filepath: benchmark://adult-income_syn
    schema: benchmark://adult-income_schema
Evaluator:
  regression_utility:
    method: mlutility
    task_type: regression
    target: capital-gain                 # 目標欄位（必要）
    experiment_design: domain_transfer   # 實驗設計（預設：domain_transfer）
    metrics:                             # 評測指標
      - r2_score
      - rmse
    random_state: 42                     # 隨機種子（預設：42）
    xgb_params:                          # XGBoost 參數（不需要時省略）
      n_estimators: 200                  # 樹的數量（預設：100）
      max_depth: 8                       # 樹的最大深度（預設：6）

任務特定參數

參數	類型	預設值	說明
target	`string`	必要	迴歸的目標變數欄位名稱
metrics	`array`	見下方	要計算的評測指標
xgb_params	`dict`	無	XGBoost 超參數（省略使用預設值）

預設指標

r2_score、rmse

XGBoost 參數說明

參數	預設值	說明
`n_estimators`	100	提升輪數（樹的數量）
`max_depth`	6	樹的最大深度
`learning_rate`	0.3	學習率（eta）
`subsample`	1.0	訓練每棵樹的樣本採樣比例
`colsample_bytree`	1.0	訓練每棵樹的特徵採樣比例
`min_child_weight`	1	葉節點最小樣本權重和

ℹ️

如不需要調整 XGBoost 參數，可完全省略 xgb_params 區塊，系統將使用預設值。

詳細參數說明與調校指引，請參閱 XGBoost 套件文件。

支援的指標

指標	說明	範圍	預設	適用情境
`r2_score`	決定係數	-∞ 到 1	✓	主要判斷指標，跨資料集比較
`rmse`	均方根誤差	0-∞	✓	了解實際預測誤差，懲罰大誤差
`mse`	均方誤差	0-∞	✗	數學優化方便，但單位為平方
`mae`	平均絕對誤差	0-∞	✗	資料有離群值時較穩健
`mape`	平均絕對百分比誤差	0-∞	✗	需要相對誤差，但避免用於包含 0 的資料

關鍵指標建議

主要判斷標準

指標	優秀	良好	可接受	需改進
R²	≥ 0.9	≥ 0.7	≥ 0.5	< 0.5
RMSE	< Y標準差×0.3	< Y標準差×0.5	< Y標準差×0.7	≥ Y標準差×0.7

*Y標準差：目標變數（target column）的標準差

合成資料效用判斷

對於 dual_model_control 實驗設計，比較 ori 與 syn 的差異：

評估等級	R² 差異	RMSE 增加幅度
優秀	< 0.05	< 10%
良好	< 0.10	< 20%
可接受	< 0.20	< 30%
需改進	≥ 0.20	≥ 30%

ℹ️

RMSE 判斷提示：

RMSE 的絕對值需結合資料範圍判斷
RMSE/Y標準差比值（標準化 RMSE）提供無單位的效能指標
範例：房價預測（單位：萬元）RMSE = 10 可能很好；溫度預測（單位：°C）RMSE = 10 可能很差

使用考量

何時使用迴歸

連續目標變數：價格、溫度、分數等
需要數值預測：預測、估計
所有特徵都是數值：通常表示適合迴歸

資料前處理

評測器會自動：

移除缺失值
編碼類別變數（OneHotEncoder）
標準化數值特徵
標準化目標變數

模型細節

演算法：XGBoost 迴歸器
目標：最小化平方誤差
特徵重要性：可透過 XGBoost 取得

ℹ️

對於高度偏斜的目標分布，考慮在評測前進行對數轉換。

參考文獻

Despotovic, M., Nedic, V., Despotovic, D., & Cvetanovic, S. (2016). Evaluation of empirical models for predicting monthly mean horizontal diffuse solar radiation. Renewable and Sustainable Energy Reviews, 56, 246-260.
Chai, T., & Draxler, R. R. (2014). Root mean square error (RMSE) or mean absolute error (MAE)?–Arguments against avoiding RMSE in the literature. Geoscientific model development, 7(3), 1247-1250.

分類任務聚類任務