你用一组特征训练什么任务，用另一组特征预测哪些任务？
提问于 2018-07-27 06:06:19
在监督学习中，最常见的情况是有一组特征的数据点，然后训练一个模型来进行分类预测。
通常，为了使预测对新的数据点有意义，这些新的数据点需要具有相同的特性，并且来自相同的分布。
我的问题是:在哪些场景中，您想要预测的数据点不一定具有与您训练模型的数据点相同的特性集？
回答 1
Data Science用户
回答已采纳
发布于 2018-07-30 01:08:17
- 如果你指的是一套全新的预测功能:这是没有帮助的。你的模型在训练特征空间上“学习”了一些东西，你希望把学习应用到同一特征空间中的新数据点上。如果预测的特征空间是全新的，那么学习就毫无用处了！
- 如果您指的是一些新的特性集:这通常发生在文本应用程序中，在这些应用程序中，新的标记可能会出现在数据中，而这些数据在培训数据中从未见过。一般由一些策略处理，如零向量或随机向量。
- 相同的特性，但分布不同:这可以在实践中发生，但模型的性能将下降。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/36100
复制
腾讯云开发者
