是否可以在 4 个特征上训练数据并仅使用特征进行测试？答案

【问题标题】：Is it possible to train data on 4 features and test on only using features?是否可以在 4 个特征上训练数据并仅使用特征进行测试？
【发布时间】：2020-06-03 04:41:39
【问题描述】：

我已经完成了四个特征的训练，包括月、日、小时和温度，它们预测了一些值，我想做的是根据月、小时和第二天的天来预测值，只是因为我没有知道第二天的温度（这将是未在训练中使用的看不见的数据），因此这使得仅使用 3 个特征对数据进行测试。使用的分类器是 SVR。我是机器学习的初学者。

您的回复将不胜感激

【问题讨论】：

标签： machine-learning regression training-data train-test-split

【解决方案1】：

如果您要预测温度，那么月、日和小时是您的特征（x_train），温度是您的目标（y_train）。您应该使用监督学习中的特征和目标来训练您的模型。 [regressor.fit(x_train, y_train)]

对于测试，您应该使用您的特征 (x_test)，模型将预测目标 (y_predict)，即第二天的温度。 [y_predict = regressor.predict(x_test)]。因此，您使用相同数量的功能进行培训和测试。

【讨论】：

感谢您的回复。我正在使用 4 个特征来训练和预测一些值（目标变量名称），但在测试数据中我只想提供 3 个特征来预测一个值
您应该使用与训练相同数量的特征进行测试。月、日和小时是您的特征，温度是您的目标。您使用特征和目标进行训练。在测试期间，您使用特征来预测目标。希望对您有所帮助。

【解决方案2】：

您的想法行不通，SVR 将接受 4 个功能的训练，而您无法使用 3 个功能运行它。如此简短的回答：没有

更长的答案：如果您想预测该值，仅使用 3 个已知特征训练算法：月、日、小时（顺便说一句，这是一个特征：时间），您将不得不使用时间序列。

【讨论】：

【解决方案3】：

这很明显，您的测试集/实际生产集中不会有因变量（在一般情况下部署之后）。因此，在训练时，您可以将数据集分为训练和测试，例如： df_x = df[:-1]（自变量） df_y = df[-1] （因变量，在你的情况下是温度）现在您可以将其划分为训练和测试（用于 train_test_split 中的基本使用比率），并在训练集上进行训练并在测试集上进行预测。参考：https://medium.com/@contactsunny/how-to-split-your-dataset-to-train-and-test-datasets-using-scikit-learn-e7cf6eb5e0d 希望这会有所帮助！

【讨论】：