Как Azure ML дает выход для значения, которое не используется при обучении модели?

Question

Я пытаюсь предсказать цену дома.Поэтому я добавил число комнат как одну переменную, чтобы получить прогноз.Предыдущие значения для этой переменной были (3,2,1), когда я тренировался с моделью.Теперь я добавляю no-of-rooms как «6», чтобы получить вывод (который ранее не использовался для получения прогнозируемого значения).Как это даст вывод для нового значения?
Рассматривает ли он только переменные, кроме нехватки комнат?В качестве модели я использовал регрессию дерева решений Boosted.

Answer 1

Краткий ответ: когда вы обучаете свою модель набору функций, а затем используете набор тестов для запуска прогнозов, да она сможет использовать / понимать значения характеристик, которые модель не имеет 't ранее видел во время тренировки.Если в вашем тестовом наборе есть большие выбросы, которые будут значительно отличаться от того, что модель видела во время обучения, это повлияет на точность, но все равно попытается сделать прогноз.

Это не вопрос машинного обучения Azure, а больше основ машинного обучения (или просто основы работы регрессии).Я хотел бы провести некоторое исследование как «линейной регрессии», так и концепции «перенапряжения в машинном обучении».Это две основные концептуальные темы, которые помогут вам понять.Понимание регрессии поможет вам понять, почему модель может использовать значение, которое она ранее не видела, для создания прогноза.