Можно ли тренировать данные по 4 функциям и тестировать только с использованием функций?

Question

Я прошел обучение по четырем функциям, включая месяц, день, час и температуру, которые предсказывают некоторую ценность, и я хочу предсказать значение только на основе месяца, часа и дня следующего дня, потому что я не знать температуру на следующий день (это будут невидимые данные, которые не будут использоваться при обучении), поэтому для тестирования данных используются только 3 функции. Используется классификатор SVR. Я новичок в машинном обучении.

Ваш ответ будет оценен по достоинству

Answer 1

Ваша идея не работает, SVR будет обучен 4 функциям, и вы не можете запустить его с 3 функциями. Итак, короткий ответ: Нет

Более длинный ответ: Если вы хотите предсказать это значение, обучите алгоритм только с 3 известными функциями: месяц, день, час (кстати, это одна особенность: время), и у вас будет работать с временной серией.

Answer 2

Это довольно очевидно, у вас не будет зависимой переменной в вашем тестовом наборе / реальном производственном наборе (после развертывания в случае * generic c). Следовательно, во время обучения вы можете разделить ваш набор данных на тренировку и тестирование, например: df_x = df [: - 1] (независимые переменные) df_y = df [-1] (зависимая переменная, температура в вашем случае) Теперь вы можете разделить это на обучать и тестировать (для основы c использовать rat ios в train_test_split) и тренироваться на наборе поездов и прогнозировать на тестовом наборе. Ссылка: https://medium.com/@contactsunny / как разбить набор данных для обучения и проверки наборов данных с использованием scikit-learn-e7cf6eb5e0d Надеюсь, это поможет!

Answer 3

Если вы прогнозируете температуру, то месяц, день и час - ваши характеристики (x_train), а температура - ваша цель (y_train). Вы должны обучать свою модель особенностям и целям в контролируемом обучении. [regressor.fit(x_train, y_train)]

Для тестирования вы должны использовать свои функции (x_test), и модель будет прогнозировать цель (y_predict), т.е. температуру, на следующий день. [y_predict = regressor.predict(x_test)]. Таким образом, вы используете одинаковое количество функций для обучения и тестирования.