$L(\hat{y})$ = :-> ${ - y \frac{\hat{y}^{1-p}}{1-p} + \frac{\hat{y}^{2-p}}{2-p}, 1<p<2}$
特点
非高斯分布
y = 0，如果预测结果不为 0 ，会有损失
应用场景
奢侈品销售或者电商销售，大部分是浏览不购买，导致 0 处值非常大。
如果正负样本比例差异大，但是数量充足还是可以训练。- 这是回归问题，取值是连续的……
如果直接下采样，会破坏分布
回到之前 回归问题使用什么损失函数由数据分布决定
的问题，决定为什么会有这个损失函数
Question
- 一般什么情况下使用 Tweedie Loss $L(\hat{y})$ = :-> ${ - y \frac{\hat{y}^{1-p}}{1-p} + \frac{\hat{y}^{2-p}}{2-p}, 1<p<2}$
？ #card奢侈品销售或者电商销售，大部分是浏览不购买，导致 0 处值非常大。
如果直接下采样，会破坏分布
Ref
[[LightGBM/Tweedie Loss]] 实现