我正在研究一个预测二维图上点的 (x,y) 坐标的回归模型。粉红色的点是我的实际情况。我们看到我的实际图中有很多块故意没有数据,但我的模型在那里预测值(我的几个蓝色预测点示例)。
有没有办法训练回归模型不预测某些区域的值?或者教它:“如果预测值的 (n,m) 内不存在实际值,则在其他地方进行预测”?或者,由于我使用的是一个相对较小的数据集,随着我的模型预测能力的提高,增加我的数据点数量(尽管空隙中仍然没有数据点)会自然地改善这一点吗?
我考虑过首先将点分类到不同的组中,因为特定区域中的点共享一些属性,但我最终会得到数百个类和数据空洞,我宁愿不这样做。
谢谢!