如何处理测试数据中不在训练数据中的其他列
处理测试数据中不在训练数据中的其他列，可以采取以下几种方法：
- 忽略不在训练数据中的列：如果测试数据中存在一些不在训练数据中的列，可以选择忽略这些列，不对其进行处理。这种方法适用于这些列对于模型的预测结果没有影响的情况。
- 删除不在训练数据中的列：如果测试数据中存在一些不在训练数据中的列，而这些列对于模型的预测结果没有任何意义，可以选择将这些列从测试数据中删除。这样可以简化数据处理过程，减少不必要的计算。
- 进行特征工程处理：如果测试数据中存在一些不在训练数据中的列，而这些列对于模型的预测结果有一定的影响，可以进行特征工程处理。特征工程包括特征选择、特征提取、特征变换等方法，可以将不在训练数据中的列转化为模型可以理解和处理的形式。
- 使用默认值填充：如果测试数据中存在一些不在训练数据中的列，而这些列对于模型的预测结果有一定的影响，可以选择使用默认值填充这些列。默认值可以根据业务需求和数据分析的结果来确定，可以是平均值、中位数、众数等。
- 使用模型预测填充：如果测试数据中存在一些不在训练数据中的列，而这些列对于模型的预测结果有一定的影响，可以使用已训练好的模型对这些列进行预测填充。通过将测试数据中的其他列作为输入，利用模型对不在训练数据中的列进行预测，得到填充后的值。
需要注意的是，处理测试数据中不在训练数据中的其他列时，应根据具体情况选择合适的方法。同时，还需要考虑数据的一致性和可靠性，确保处理后的数据能够正确地用于模型的预测和评估。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
- 腾讯云数据处理平台（https://cloud.tencent.com/product/dp）
- 腾讯云人工智能开发平台（https://cloud.tencent.com/product/ai）
- 腾讯云数据库（https://cloud.tencent.com/product/cdb）
- 腾讯云服务器（https://cloud.tencent.com/product/cvm）
- 腾讯云存储（https://cloud.tencent.com/product/cos）
- 腾讯云区块链服务（https://cloud.tencent.com/product/bcs）
- 腾讯云物联网平台（https://cloud.tencent.com/product/iot）
- 腾讯云移动开发平台（https://cloud.tencent.com/product/mpe）
- 腾讯云音视频处理（https://cloud.tencent.com/product/mps）
- 腾讯云网络安全（https://cloud.tencent.com/product/saf）
- 腾讯云云原生应用平台（https://cloud.tencent.com/product/tke）
- 腾讯云元宇宙（https://cloud.tencent.com/product/uc）
相关·内容
1回答
在使用GATE工具对训练数据运行机器学习算法(SVM)后，我想在测试数据上对其进行测试。我的问题是，我是否应该使用相同的训练数据进行测试，同时，模型如何从测试数据中提取实体，而测试数据没有使用训练数据中学习到的注释进行注释。
我遵循了这个链接上的教程，但在最后，当它谈到将数据集拆分为训练和测试时，它有点令人困惑。
浏览 2提问于2014-08-28得票数 0
在解决其中一个机器学习问题的过程中，我对训练数据进行主成分分析，然后利用学习方法对训练数据进行.transform处理。在观察了这些差异之后，我只保留了那些从转换后的数据中得到的列，这些列的方差很大。然后，我正在使用RandomForestClassifier训练模型。现在，我很困惑如何在测试数据上应用经过训练的模型，因为测试数据的列数和保留的转换数据(应用随机林的数据)是不同的。如有任何解决办法，将不胜感激。
谢谢。
浏览 0提问于2016-04-03得票数 3
回答已采纳
假设我有基于文本的训练数据和测试数据。更具体地说，我有两个数据集-训练和测试-它们都有一个列，其中包含文本，并对手头的工作感兴趣。
我使用R中的tm package处理训练数据集中的text列。在删除空格、标点符号和停用词之后，我对语料库进行了词干处理，最后创建了一个1克的文档术语矩阵，其中包含每个文档中单词的频率/计数。然后，我预先设定了一个截止值，比如说50个，并且只保留那些计数大于50的术语。
在此之后，我使用DTM和因变量(存在于训练数据中)训练一个GLMNET模型。到现在为止，一切都很顺利和容易。
然而，当我想要对测试数据或未来可能出现的任何新数据进行评分/预测模型时，我该如何继续？
浏览 0提问于2013-05-19得票数 11
回答已采纳
2回答
如何比较2个不同Pandas数据帧的列名。我想要比较测试数据帧中缺少某些列的训练数据帧和测试数据帧？？
浏览 0提问于2018-05-07得票数 13
回答已采纳
在Orange中，我可以将数据集附加到PCA以进行降维。
通常，在代码中，我会在将经过训练的PCA与训练数据进行拟合后，将其应用于测试数据。
在Orange中，PCA似乎只能放置在列车或测试集的下游。
有没有一种方法可以在测试数据的训练数据上运行PCA转换？
浏览 72提问于2020-02-22得票数 0
回答已采纳
1回答
如果我有一个数据集，则通过使用目标变量'B‘计算每个类别的平均值，将均值编码应用于训练数据集的分类特征'A’，但是测试数据如何？测试数据不包含任何目标变量。是否应使用培训数据中的计算值？
浏览 5提问于2020-05-12得票数 0
我已经将我的数据分成了训练部分和测试部分。我的数据表有一个'text‘列。考虑一下，我还有另外十列表示数字特征。我已经使用TfidfVectorizer和训练数据来生成术语矩阵，并将其与数字特征相结合来创建训练数据框架。 tfidf_vectorizer=TfidfVectorizer(use_idf=True, max_features=5000, max_df=0.95)
tfidf_vectorizer_train = tfidf_vectorizer.fit_transform(X_train['text'].values)
df1_tfidf_train =
浏览 29提问于2020-04-10得票数 0
训练数据集总分类栏: 27
测试数据集总分类列: 27
OH_encoder = OneHotEncoder(handle_unknown='ignore', sparse=False)
OH_cols_test = pd.DataFrame(OH_encoder.fit_transform(X_test[test_low_cardinality_cols]))
在编码后，在准备测试数据用于预测时，
来自测试数据的列数: 115
列数来自列车数据: 122
我检查了测试数据中的基数，与训练数据列相比，少数列的基数较低。
Train_data.column#1: 2 Test_
浏览 2提问于2019-11-28得票数 2
回答已采纳
有趣的是，我在stackoverflow和其他网站上看到了很多关于这个问题的不同答案：
在处理我的训练数据集时，我使用决策树模型估算了某个列的缺失值。所以这是我的问题。使用所有可用的数据(训练和测试)来建立一个用于估算(而不是预测)的模型是否公平，或者当我这样做时，我可以只接触训练集吗？此外，一旦我开始在我的测试集上工作，我必须只使用我的测试集数据，使用在我的训练集中建立的相同的推算模型，或者我可以使用所有可用的数据来重新训练我的推算模型？
我认为，只要我没有接触我的预测模型训练的测试集，使用其余的数据来做一些事情，比如估算，就可以了。但这可能会违反一条基本规则。有什么想法？
浏览 0提问于2017-10-15得票数 7
1回答
我有pyspark数据集，我想按照datetime列将其划分为列车和测试数据集，其中，训练数据集的日期时间应该小于日期时间列的中位数，而测试数据集应该有其余的数据集。
我尝试按datetime列对dataset进行排序，并选择上半部分。但是这只解决了火车部件的问题，我不知道如何从PySpark中的初始数据集中“减除”训练数据集。
train = data.orderBy('datetime').limit(data.count() // 2)
# test = ?
如果PySpark与Pandas ()函数有某种相似之处，那就太好了，但它没有。
浏览 0提问于2019-08-21得票数 0
回答已采纳
TensorFlow的客户/生产者预取机制非常适合训练。
然而，我无法找到一种方法来对测试数据进行评估。我们只想检查一次测试数据。但是测试数据总是不能被批量大小整除。我该如何处理剩余的部分？
谢谢!
浏览 1提问于2016-06-17得票数 0
我已经将我的数据集分成了、train、和测试数据集。这两个数据集在列“年龄”中都缺少值。对于培训数据集，我应用了一个函数，通过考虑其他列，如“性别”和“指定”，以平均值来处理丢失的值。我通过查看sns.boxplot硬编码了平均值
def imp_age(col):
age=col[0]
desg=col[1]
sex=col[2]
if pd.isnull(age):
if desg==1:
return 41
elif desg==2:
if sex==0:
return 33
else:
浏览 0提问于2021-07-28得票数 0
1回答
我很好奇，当在R中使用H2O模型中的标准化功能时，它在计算新数据时是如何工作的。
我知道当它对训练集进行标准化时，它会根据训练数据的平均值和标准差将平均值设置为0，标准差设置为1，但是它对新数据做了什么？
它是基于训练数据的均值和标准差进行标准化，还是基于新的评分数据进行标准化？
浏览 10提问于2017-08-15得票数 2
我有一个63*62的训练集，并且还提供了类标签。测试数据是25*62维，并且也有类标签。鉴于此，我将如何执行最小二乘回归？我使用的代码是：
res = lm(height~age)
身高和年龄对应的是什么？当我有61个特征+1个类(训练数据为62列)时，我该如何输入参数？
另外，如何将模型应用于测试数据？
浏览 0提问于2013-04-10得票数 1
1回答
我把X numpy array作为我的特性，把y numpy array作为我的目标。我把它们分成训练数据和测试数据。我从许多QnA中读到，他们只说preprocess训练和测试是分开的。我假设我只对我的特征(X)训练和测试数据这样做，而不是对目标(y)。我们也要preprocess目标吗？
浏览 0提问于2020-03-15得票数 0
1回答
我在试着理解这个XGboost示例。
培训后：
ptrain = bst.predict(dtrain, output_margin=True)
他们对测试数据进行预测，但问题是测试数据已经有了所有的标签。如果我的测试数据只有特性而没有标签，我如何修改该示例以进行预测？
另外，我从他们的数据集中观察到：agaricus.txt.train和agaricus.txt.test不需要有相同的特性，甚至每个训练数据都有不同的特性。我以前做过线性回归，我认为训练和测试数据集应该有相同的功能集吗？
浏览 0提问于2021-10-31得票数 0
在训练和测试了一个数据集之后，我想让它预测某个只有特征的数据集的标签。在我使用的普通示例中
预测=clf.predict(数据)
但由于我正在处理的数据需要编码，所以在一次热编码后，它导致列大小为2891。那么，现在如何检查尚未编码的新功能的标签？
浏览 0提问于2018-07-15得票数 0
我开始开发一些LSTM模型，现在有一些关于规范化的问题。 假设我有一些时间序列数据，大致范围在+500到-500之间。将数据从-1缩放到1更现实，还是从0到1更好，我测试了一下，0到1似乎更快。有什么错误的方法吗？或者只是学习起来比较慢？ 第二个问题:什么时候归一化数据？我将数据分成训练数据和测试数据，是否必须分别缩放/标准化这些数据？也许训练数据的范围只在+300到-200之间，而测试数据的范围在+600到-100之间。我想那不是很好。 但另一方面..。如果我缩放/标准化整个数据帧，然后拆分它，那么数据对于训练和测试来说是很好的，但是我如何处理真正的新数据呢？该模型针对缩放数据进行了训练，
浏览 9提问于2019-09-24得票数 2
回答已采纳
如何在tensorflow中合并mnist的训练、测试和验证集进行批量训练。有人能帮我吗？
浏览 4提问于2017-08-17得票数 0
1回答
我正在进行分类，我有一个关于仅用于降维的LDA的问题：
LDA是否适用于包括训练数据和测试数据在内的整体特征矩阵，然后(在减少数据维数后)对特征矩阵进行划分，为分类提供训练和测试集？是真的吗？
然后，假设我们需要在应用LDA之前对数据进行分区。如何能够使用Matlab的内部分类器(如kNN和SVM)对测试数据进行分类？
浏览 1提问于2017-09-30得票数 2
我是文本挖掘的新手。
我有一个短信数据集，我想知道一些东西是垃圾邮件或不是。我使用quanteda将文本内容转换为单词矩阵。我还删除了停用词，将单词转换为词干，并使用
rpart.cv.1 <- train(Label ~ ., data = train_tokens_df, method = "rpart", trControl = cv_cntrl, tuneLength = 5)。
现在我想预测一下testdata的标签。我对训练数据做了所有的预处理步骤。问题是，我的训练数据中有测试数据没有涵盖的单词。
我的猜测是，下一步应该是添加测试数据中缺少的所有训练数据列。但
浏览 8提问于2017-12-13得票数 0
在整个机器学习领域，我真的是个新手，我正在参加一个关于这个主题的在线课程。在本课程中，讲师展示了以下代码：
imputer = Inputer(missing_values = 'Nan', strategy = 'mean', axis=0)
imputer = Imputer.fit(X[:, 1:3])
X[:, 1:3] = imputer.transform(X[:, 1:3])
我真的不明白为什么这个输入者对象需要fit。我的意思是，我只是试图通过使用列均值来替换列中的缺失值。从我对编程的了解很少，这是一个非常简单的迭代过程，不需要模型必须在数据上进
浏览 3提问于2017-10-11得票数 29
回答已采纳
我尝试使用SVM方法对这四组图像进行分类，每次都随机选择训练和测试数据。当T运行程序时，由于随机选择数据，性能会发生变化。如何获得我的算法的准确性能，以及如何计算训练和测试精度？
我用来计算性能的公式是
Performance = sum(PredictedLabels == test_labels) / numel(PredictedLabels)
我正在使用multisvm函数进行分类。
浏览 2提问于2013-12-11得票数 0
我开始学习神经网络，我遇到了数据正常化。我理解它的必要性，但我不太知道如何处理我的数据，一旦我的模型培训，并在实地。
假设我取我的输入数据，减去它的平均值，除以标准差。然后我把它作为输入，然后训练我的神经网络。
一旦进入这个领域，我该如何处理我想要预测的输入样本？
我是否需要保留我的训练数据均值和标准差，并使用它来正常化？
浏览 2提问于2017-08-18得票数 0
回答已采纳
我有一个独立的训练和测试数据(从不同的CSV加载到不同的pandas数据框中)，我想用这些训练和测试数据绘制学习曲线，而不是使用交叉验证从训练集本身生成训练和测试数据(这似乎是learning_curve的常见工作方式)。
似乎scikit希望你的测试和训练数据出现在同一个Dataframe中，但这样分类器也会学习测试数据，这不是我想要的。
我该如何着手解决这个问题呢？我是第一次接触科学工具包。
浏览 3提问于2015-09-20得票数 2
我已经执行了PCA，并在训练数据上获得了组件的负载。现在，我想为测试数据中的每个观察值应用每个列的加载值，以便根据从训练数据获得的负载，获得测试数据中每个观察值的主分量值。有没有这样的函数，或者我需要自己写？
浏览 7提问于2021-04-20得票数 0
1回答
培训数据集有名为shop和其他的对象列。现在，对于机器学习模型，我将列转换为用于培训目的的标签。使用下面的代码
from sklearn.ensemble import RandomForestRegressor
X = df_all_4.copy()
y = df_all_4.item_price
X = X.drop(['item_price','date'], axis=1)
for c in df_all_4.columns[df_all_4.dtypes == 'object']:
X[c] = X[c].factorize()
浏览 4提问于2020-07-10得票数 0
为了获得准确的评分，我们对训练集执行model.score(X_train，y_train)。model.score(X_val，y_val)用于验证集。现在，在我的例子中，测试数据是一个单独的csv文件。我已经在我的训练和测试数据上应用了模型。我知道训练数据的得分，但在测试数据上找不到分数。
下面是我的代码：
model_dt = make_pipeline(
SimpleImputer(strategy="mean"),
DecisionTreeClassifier(random_state=42)
)
model_dt.fit(X_train, y_tra
浏览 5提问于2022-08-09得票数 2
我试图预测一个关于推荐电影的二元分类问题。
我有一个训练数据集50行(电影)和6列(5个电影属性和一致的影片)。
然后，我有一个测试数据集的20部电影具有相同的栏。
然后我跑
pred<-predict(svm_model, test)
并接受
Predict.svm中的错误(svm_model，测试)：测试数据与模型不匹配！
从类似的帖子来看，错误似乎是因为培训和测试数据集之间的级别不匹配。这是真的，我通过比较str(test)和str(train)来证明这一点。然而，这两个数据集来自随机选择的电影，并将始终有不同的层次，因为他们的分类属性。正在做什么
levels(test$Attr
浏览 0提问于2018-03-18得票数 0
回答已采纳
3回答
我想将测试和训练数据集结合起来。在此之前，我必须向测试数据集添加一个新列，以匹配训练数据集的列数。
我正在使用"NA‘值在测试数据集中创建一个新列，这是我使用的代码：
test[,Item_Outlet_Sales := "NA"]
编译这段代码后，我得到了这个错误：
Error in `:=`(Item_Outlet_Sales, "NA") :
Check that is.data.table(DT) == TRUE. Otherwise, := and `:=`(...) are defined for use in j, once only
浏览 0提问于2018-09-25得票数 0
2回答
我在这里有点困惑，我有一个对所有<10个唯一值low_cardinality_cols的分类列进行了热编码，并删除了用于训练和验证数据的其余分类列。
现在，我的目标是将我的模型应用于test.csv中的新数据。对测试数据进行预处理以匹配训练/验证格式的最佳方法是什么？
我担心的是：
对于这些列，Test_data.csv当然会有不同的基数。
如果我使用训练中的低基数列对测试数据进行热编码，我将得到Input contains NaN，但是我的训练、有效和测试列都是相同的数字。
下面的示例一热编码，这是为kaggle竞赛/中级课程
# Apply one-hot encod
浏览 7提问于2019-12-23得票数 2
回答已采纳
2回答
我试图使用the算法进行降维，我知道这不是这个算法的主要用途，也不推荐。我看到了一个在t上实现的这里。，我不相信这个实现。
该算法的工作方式如下：
给定训练数据集和测试数据集，将2合并成一个完整的数据集。
在完整数据集上运行the (不包括目标变量)
将the的输出作为K个新列添加到完整的数据集中，K是the的映射维数。
将整个数据集重新分割为培训和测试。
将训练数据集分割成N个折叠
在N个折叠上训练机器学习模型并做N个交叉验证。
在测试数据集中评估机器学习模型
我的主要问题不是关于the但是；
在数据转换之前，我可以将数据集分割成训练集和测试集，用于其他降维算法(如PCA )吗？
这会有效吗
浏览 0提问于2022-03-14得票数 1
回答已采纳
我们知道数据预处理的最佳实践(如标准化、规范化、.在对训练数据进行fit_trasform()处理的同时，应用transform()测试数据，将从训练数据缩放中获得的参数应用到测试数据中。与此类似：
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform (X_test)
问题是:对训练数据执行fit_transform()也是有意义的，而对transform()测试数据则没有意义，这样我们就可
浏览 0提问于2020-05-31得票数 4
回答已采纳
我刚刚阅读了k-折交叉验证，并意识到我在当前的预处理设置中无意中泄漏了数据。
通常，我有一个训练和测试数据集。我在我的整个训练数据集上进行了一系列数据推算和one-hot编码，然后运行k折交叉验证。
泄漏是因为，如果我进行5次交叉验证，我将在80%的训练数据上进行训练，并在剩余的20%的训练数据上进行测试。
我真的应该根据80%的训练来推算这20% (而我之前使用的是100%的数据)。
1)这是考虑交叉验证的正确方式吗？
2)我一直在研究sklearn.pipeline中的Pipeline类，它似乎对执行一系列转换，然后最终将模型拟合到结果数据很有用。然而，我正在做一系列的事情，比如“用均值来
浏览 9提问于2018-01-28得票数 11
1回答
我正在使用一个简单的单词包模型和一个线性支持向量机分类器从维基百科评论中识别‘攻击’。由于班级不平衡，我使用F1分数作为我的错误度量。我想知道我在培训数据中的标记是否也应该包含只存在于测试数据中的单词，还是不重要？我的印象是，这不应该重要，因为这些功能的计数将是零，无论如何，在培训集。这将使他们在培训时与模型无关。显然，有些人也是这么说的(虽然没有找到明确的答案)。
为了测试这一点，我决定用两种方式来训练我的模型，看看不同之处:一次只有训练数据中的特性，另一次有包含测试数据的特性。将CV的n倍设置为10，两者的CV误差非常相似，但当我对我的测试数据进行预测时，模型的F1评分比测试数据高出0.0
浏览 0提问于2021-05-22得票数 2
1回答
分裂前的特征工程
、、、
这是一个对原来封闭的帖子(这里)的姐妹贴子。由于数据转换部分是在数据分割后完成的，我想知道这种转换是否与我们如何对数据进行子采样有依赖关系呢？当我们选择不同部分的训练数据时，我们可以得到不同的转换结果。
但我个人认为很难说服自己:数据转换是否应该尽可能地保持不变和可泛化，跨越数据集的不同子样本？
此外，作为测试部分的数据也代表了真实世界的数据。难道我们不应该在分裂之前就对数据进行转换吗?我们能更多地了解“真实世界”中的数据是什么样子吗?我们不浪费数据吗？虽然我同意我们只对训练集进行转换，并在模型评估/训练阶段的预测过程中重新应用相同的训练集，但如果在实际部署过程中，我们对整个数据集进行转换，并
浏览 0提问于2022-04-10得票数 1
我想知道如何使用在训练时间中开发的功能对新数据进行预测。有问题的数据集是来自的预约取消数据集
考虑一下特性locations.PERCENT_TRUE(no_show)：给定位置过去取消约会的百分比。假设我有新的传入测试数据，其位置与我已经知道这些值的训练数据中的位置相同。如何在测试数据中使用此功能？当然，我可以将测试数据合并到训练数据中，并使用featuretools.dfs()重新计算所有特征，但这很耗时。
有没有更简单的方法？
浏览 2提问于2020-03-17得票数 1
1回答
我有一个图像数据集的多类图像分类-培训和测试图像。我训练并保存了我的模型(作为.h5文件)的训练数据，使用80-20%的火车验证分割。
现在，我想预测测试图像的类。
哪种选择更好，情况总是这样吗？
对于“测试图像”，使用训练后的模型对整个训练数据(即包含20%的验证图像)保存的模型进行预测。但是，如果没有验证数据，那么模型如何确保在培训期间损失最小。
浏览 8提问于2020-07-02得票数 0
回答已采纳
1回答
包含ID列的训练模型
、、、
我正在使用scikit-learn训练一个模型，其中我的数据集中有一个ID列。当我使用测试数据集训练model.But时，我删除了ID列，在进行预测后，我需要将其映射回ID列。
做这件事最好的方法是什么？在scikit-learn中构建模型时，我们可以设置一个非预测器列。另外，像TensorFlow，Spark ML这样的其他ML工具又如何呢？它们是否支持此功能？
我在stackoverflow上找到了这个，但正在寻找其他选择。
浏览 1提问于2018-04-18得票数 2
在阅读了这篇文章之后，我有一个关于PCA的问题。
作者讨论了在计算PCA时是否使用测试集。
但是，很少有需要理解的重要问题: 1)不应将训练集和测试集相结合，同时获得整个数据的PCA分量。因为，这将违反泛化的整个假设，因为测试数据会被“泄漏”到培训集中。换句话说，测试数据集将不再是“看不见的”。最终，这将削弱模型的泛化能力。2)不应分别对测试数据集和训练数据集进行主成分分析。因为，来自训练和测试PCA的结果向量将有不同的方向(由于不相等的方差)。因此，我们最终将比较在不同轴上注册的数据。因此，从列车和测试数据产生的向量应该有相同的轴。
作者提到，“因为这违反了泛化的整个假设，因为测试数据会被‘
浏览 0提问于2017-05-28得票数 1
每当我试图清理单个CSV文件时，每当我试图预测概率时，我都会遇到值错误。有没有办法在一个CSV文件上训练一个模型，保存它，然后在另一个CSV文件中收集一些测试数据，然后通过我用第一个文件训练的模型来输入后一个文件呢？
不使用train_test_split是很重要的，因为我希望了解每个单独类的信息(就像他们有I.Ds一样)。
浏览 1提问于2019-06-15得票数 0
回答已采纳
使用sklearn中的MinMaxScaler，我按如下方式缩放我的数据。
min_max_scaler = preprocessing.MinMaxScaler()
X_train_scaled = min_max_scaler.fit_transform(features_train)
X_test_scaled = min_max_scaler.transform(features_test)
但是，在打印X_test_scaled.min()时，我得到了一些负值(这些值不在0和1之间)。这是因为我的测试数据中的最低值低于训练数据，其中最小最大定标器是合适的。
在0和1之间没有精确归一化
浏览 0提问于2015-05-27得票数 1
我正在使用Statsmodel Holt冬季库，并且能够成功地创建一个模型。现在，我需要创建一个csv文件，其中包含一个列的实际值和另一个预测值(以及适当的索引)。
现在，对于我的测试模型来说，这是相当容易的，我可以只拿我的测试数据集和使用model.forecast()从霍尔特温特库，但无法找出如何得到预测的训练数据。
我的想法是从训练和测试数据中提取预测，并将其与原始数据集一起显示。
浏览 3提问于2022-07-06得票数 0
回答已采纳
1回答
我在tensorflow中建立一个logistic回归模型来逼近一个函数。
当我从完整的数据集中随机选择训练和测试数据时，我得到了很好的结果(蓝色是训练点，红色是测试点，黑线是预测的曲线)：
但是当我选择空间分离的测试数据时，我得到了可怕的预测曲线，如下所示：
我明白为什么会发生这种事。但是机器学习模型不应该学习这些模式并预测新的价值吗？
类似的情况也发生在周期函数上：
我是不是错过了一些琐碎的东西？
我在谷歌上搜索了很长一段时间，但是没有得到一个好的答案。
提前谢谢。
浏览 4提问于2017-09-04得票数 0
回答已采纳
好的，我有一个数据框架，有250个观察到的9个变量。为了简单起见，让我们给它们贴上A-I的标签
我已经完成了所有的标准操作(将事情转换为int或factor，创建数据分区、测试和训练集等等)。
我想做的是使用列A和B，并预测列E。我不想使用整个九列，只有这三列，当我进行预测时。
我只尝试使用预测中的有限列，如下所示：
myPred <- predict(rfModel, newdata=myData)
其中rfModel是我的模型，myData只包含我想要使用的两个字段，作为一个数据格式。不幸的是，我得到了以下错误：
Predict.randomForest中的错误(rfModel，n
浏览 2提问于2017-09-30得票数 0
1回答
如何基于另一个数据规范熊猫数据
、、、、
有两只熊猫。为了训练神经网络，我使用MinMaxScaler对第一次数据进行规范化。对于测试数据集，我也需要这样做，但是如何根据第一个数据集的最小和最大值来缩放数据集呢？
而且由于测试数据不应该影响训练，所以不能合并两个数据，然后再缩放和分割。
数据集有很多列
例子：
第一次数据访问：
| | colA |
| --- |---- |
| 1 | 3 |
| 2 | 10 |
| 3 | 4 |
| 4 | 0 |
第二次数据访问：
| | colA |
| --- |--- |
| 1 | 2 |
| 2 | 5 |
预期规模：
|
浏览 9提问于2022-08-06得票数 2
回答已采纳
2回答
特征归一化问题
、、、、
我对ML非常陌生，对此知之甚少。我在功能规范化过程中有问题。我从帖子中了解到，我们需要规范化培训功能，并使用培训数据扩展测试/验证功能。我在实现方面面临问题，就像我的例子中，我的训练样本有固定的维度，但是验证和测试数据的维度是可变的。因此，我可以将零均值单位方差用于训练数据，但我不确定如何规范验证/测试数据样本，因为样本的维数/长度是可变的/不固定的。
浏览 0提问于2021-04-28得票数 0
1回答
我正在尝试创建一个包含训练数据集的模型，并希望标记测试数据集中的记录。
我在网上找到的所有教程或帮助都有关于仅对一个数据集(即训练数据集)使用交叉验证的信息。我找不到如何使用测试数据。我尝试将结果模型应用于测试集。但是测试集似乎给出了不同的结果。比预处理后的训练集更多的属性。这是一个文本分类问题。
最后，我得到了一些类似如下的输出
18.03.2013 01:47:00 Results of ResultWriter 'Write as Text (2)' [1]:
18.03.2013 01:47:00 SimpleExampleSet:
5275 examples,
36
浏览 3提问于2013-03-18得票数 1
回答已采纳
1回答
我有一个20列的训练数据集，所有这些都是我必须用于训练模型的因素，我已经获得了测试数据集，我必须应用我的模型进行预测并提交。
我在做最初的数据探索，出于好奇，我检查了训练数据和测试数据的级别，因为我们正在处理所有的分类variables.To，我很沮丧，大多数类别(变量)在训练和测试数据集中都有不同的级别。
例如
table(train$cap.shape) #training data column levels
b c f k x
196 4 2356 828 2300
table(test$cap.shape) #test data
b
浏览 0提问于2016-11-11得票数 4
1回答
我想随机选择我在R上的数据集100次，并想看看哪些训练和测试数据给出了最好的模型结果。我应该如何存储这些数据，以便比较预测结果？我应该为每个训练和测试数据创建不同的变量，还是将其保存在一个数组中？我在R上很新，所以我不知道怎么用最好的方法来做。我使用的是RStudio 1.1.423。
这是我随机数据的方式，我使用软件包rminer中的holdout函数。
H=holdout(myData$salary, ratio = 2/3, mode = "random")
trainData <- myData[H$tr,]
testData <- myData[H$ts,
浏览 0提问于2018-04-14得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
云直播
对象存储活动推荐
腾讯云开发者
