【问题标题】：How azure ML give an output for a value which is not used when training the model?azure ML 如何为训练模型时未使用的值提供输出？
【发布时间】：2019-01-31 05:03:20
【问题描述】：
我正在尝试预测房子的价格。因此，我添加了无房间作为一个变量来获得预测。当我训练模型时，该变量的先前值为 (3,2,1)。现在我将 no-of-rooms 添加为“6”以获得输出（之前未使用它来获得预测值）。它将如何为新值提供输出？
它是否只考虑除 no-of-rooms 之外的变量？我使用 Boosted 决策树回归作为模型。
【问题讨论】：
标签：
machine-learning
azure-machine-learning-studio
【解决方案1】：
简短的回答是，当您在一组特征上训练模型，然后使用测试集运行预测时，是的它将能够利用/理解模型具有的特征值以前在训练期间没见过。如果您的测试集中有较大的异常值，与模型在训练期间看到的有很大差异，则会影响准确性，但仍会尝试进行预测。
这不是 Azure 机器学习问题，而是更多机器学习基础知识（或者实际上只是回归工作原理的基础知识）。我会对“线性回归”和“机器学习中的过度拟合”的概念进行一些研究。这是两个非常基本的概念性主题，将有助于您的理解。了解回归将帮助您了解为什么模型可以使用以前从未见过的值来创建预测。