Machine learning 多标签分类问题的度量选择

我有一个K标签的多标签分类问题。理想情况下，我希望训练一个模型来最大化精确匹配的准确性，但我知道这种度量不适合这种任务

我有一个函数，它获取预测的输出，例如

y_pred=[1,0,1,1,1,0]

，然后计算一个值

f_pred

我不想从预测值中得到精确的匹配，而是想引入一个度量，即平均绝对误差（MAE），定义为

MAE = (f_true-f_pred)/f_true*100 

最小化。关于如何将MAE最小化问题与多标签分类的原始问题联系起来的任何建议

---

谢谢。

您对您的物品了解多少？他们有很多功能吗？数据集有64个功能，因为它们本身是通过模拟生成的示例数量，目前，数据集的大小是10000，但如果需要，我可以生成更多。您称之为

f_true

和

f_out

？对不起，

f_true

是我使用真标签时函数的值，

f_pred

（不是

f_out

，我已经更正了这一点）是我使用预测标签时函数的值。