用DNN预测百分位（或标准差）

Question

我们使用一个DNN（带有Keras和Tensorflow）来根据一些数据来预测一个值y，效果非常好。现在我们想扩展它，不仅预测值y，而且预测它以百分位的形式分布。在

举个例子：假设我们在处理房价问题。一个特定的真实的房子（数据为X’）目前售价为100万，因此y(X’) = 1 000 000，但我们知道这是一个很高的价格。我们估计90%的可比房屋（具有相同的X’的房子）的售价更便宜，因此{}的第90个百分位值为100万。在

我们如何使用我们的数据集(X,y)来训练DNN来预测/估计y(X')的第90个百分位是100万？在

在某种程度上，这样一个网络不仅要知道用哪个值可以使成本函数最小化，还要知道在哪个输入处噪声有多大。再举一个例子，假设我们有一个特定的X'，在这个价格不变，为10万美元（例如，因为一些国营项目建造了数千栋完全相同的房子，而这些房子的售价都正好是10万美元）。我想让网络不仅了解10万的价值，而且这是一个非常精确的预测。在

我想如果我们能预测标准差，我们就可以计算出一个合理的百分位分布，所以也许标准差就足够了。在