¿Cómo entrenar un modelo cuando en lugar de un objetivo tenemos un rango donde se encuentra?

Question

A menudo, en el aprendizaje automático nos encontramos en una situación en la que el objetivo es numérico (real o entero). Cada objetivo tiene asociado un vector de entrada. El objetivo es aprender la correspondencia entre los vectores de entrada y el objetivo. Por ejemplo:

(1.2, 'A', 3) -> 4.0
(3.2, 'C', 2) -> 1.0
...
(0.8, 'A', 2) -> 5.0
(5.7, 'B', 7) -> 1.0

Sin embargo, en algunos casos no conocemos el objetivo. Sólo sabemos que es mayor o menor que un determinado valor. Por ejemplo:

(1.2, 'A', 3) -> >3.0
(3.2, 'C', 2) -> =1.0
...
(0.8, 'A', 2) -> >3.0
(5.7, 'B', 7) -> =1.0

En el ejemplo anterior, sabemos que para el primer vector el objetivo es mayor que 3,0, pero no sabemos cuál es exactamente.

¿Cómo debe considerarse la situación descrita? ¿Existen métodos estándar para hacerlo?

Answer 1

Basado en los comentarios, creo que usted debe escribir algo de código, que: a) codifique los valores objetivo, como variables amigables para la red b) decodificar la salida de la red a los parámetros de la función de tipo Gaussiano.