预测不在数据集中的值答案

【问题标题】：Predict Value Not In Data Set预测不在数据集中的值
【发布时间】：2018-12-05 14:41:30
【问题描述】：

鉴于我有训练和测试数据，可能缺少逻辑序号。是否可以推断出一个不存在的值？

例如：训练/测试数据具有为标签指定的值 1、2、3、4、5...7、8、9、10。

是否有可能基于数据模型，即使在训练或测试数据中没有发生这种情况的实例，它也可以预测结果为 6？

我是机器学习的新手，并且已阅读有关监督/非监督学习的内容。很难找到一个明确的答案，因为对于我不熟悉的领域很难找到正确的术语。

最好在数据集中创建一个包含不存在的标签值的任意行吗？

使用 ML.net。

抱歉，如果这是一个简单的问题。

谢谢

【问题讨论】：

【解决方案1】：

您的问题是关于确定性与概率性的方法吗？我不明白为什么你应该使用机器学习，但尝试阅读马尔可夫链：

【讨论】：

嗨阿拉诺，我的问题对于一组不同的变量/特征是确定性的。我将根据重点领域创建几个模型。每个重点领域都会有我开始引入更多变量的阶段。对于一个标签/分数，这些一起有望给我一个概率结果。我开始训练和测试具有大量变量/特征的模型，发现它对预测来说太混乱了——这是否过度拟合？相反，我的目标是根据较小的部分创建一个更大的图景，并可能对这些进行加权。谢谢。

【解决方案2】：

在分类问题中，“标签”是“真实类”的索引。如果训练数据集中没有示例属于“6”类，则学习模型将永远不会预测 6 类：它被教导永远不会这样做。

在回归问题中，“标签”是“要预测的数量”（一个实数）。在这种情况下，模型预测它在训练时没有看到的值是很正常的：模型可能预测 6、5.7 或 6.1 等。

如果没有更多细节，我无法判断您是在解决分类问题还是回归问题。

【讨论】：

这是一个分类问题，desertnaut 出于某种我不知道的原因删除了部分标题。最初的标题是：机器学习 - 分类 - 预测不在数据集中的值。但这可能会破坏一些房子。谢谢Zruty，除非有先例，否则分类似乎会失败。我认为使用回归模型会更合适，我认为回归模型更多的是关于接下来会发生什么。我的目标是找到基于整数的预测结果。我可以将预测分数四舍五入到最接近的值，但也可以考虑

【解决方案3】：

我解决或实际上缓解缺乏价值的方法是执行以下操作。对于需要顺序的每种输入数据类型 - 没有间隙，我只使用我的数据集中的数据/行，其中有一个完整的序列，跨越所有条目。

给定以下：0,1,2,3,4,5,6,7,9

我只使用符合所有条目中最大可用序列的数据。 0 - 7。这可能会导致训练模型的一些数据丢失，但由于数据相当一致，因此很少有遗漏。

【讨论】：