CoreML：为什么预测是一个数组？答案

【问题标题】：CoreML: why is the predictions an array?CoreML：为什么预测是一个数组？
【发布时间】：2019-06-21 11:26:18
【问题描述】：

考虑一个像这样的csv 文件：

number,weigth,length,depth,diameter
1,100,202,314,455
2,1040,2062,3314,4585
3,1200,2502,3134,4557
4,1500,2052,3143,4655
...

还有这样的代码

let csvFile = Bundle.main.url(forResource: "myData", withExtension: "csv")!
let  dataTable = try! MLDataTable(contentsOf: csvFile)

//打印（数据表）

let regressorColumns = ["weigth", "length", "depth", "diameter"]
let regressorTable = dataTable[regressorColumns]

let (regressorEvaluationTable, regressorTrainingTable) = regressorTable.randomSplit(by: 0.20, seed: 5)

let regressor = try! MLLinearRegressor(trainingData: regressorTrainingTable,
                                      targetColumn: "weigth")

let prediction = try! regressor.predictions(from: dataTable)
print (prediction)

prediction 是一个浮点数组，具有与csv 文件本身相同数量的元素。

四个问题：

为什么是数组？
为什么会浮动？
为什么数组的元素数量与输入 csv 相同？
这个数组到底代表什么？

【问题讨论】：

对不起，那是我检查它上面的项目数量。我不应该在这里复制它。我已经修复了代码。
线性回归的主要目标不是绘制一条适合您的数据的线吗？你希望prediction 是什么？
其实不是数组，而是数据值的同构集合，类似于数组（见docs）
这个数据是什么意思？
我远非该领域的专家，但在您的示例中，我希望预测是每一行的“重量”（原文如此）值（通过使用 3 个特征训练的模型：长度、深度和直径）。

标签： swift macos coreml createml

【解决方案1】：

您发布的代码的作用是在一些输入数据 (regressorTrainingTable) 上训练机器学习模型（特别是线性回归模型），目标是能够预测一些权重值（“依赖”或“目标”值）基于长度、深度和直径（“独立”或“特征”值）。那么这个模型实际上是用来为dataTable中存储的每一行数据（长度、深度和直径）计算一个权重值。

所以prediction 是根据存储在dataTable 中的每行的长度、深度和直径值预测权重值的集合。希望这能回答问题 1、3 和 4。

至于第二个问题，它只是与构建模型的线性回归方法如何在幕后工作有关。在构建（训练）模型时，它会将所有输入（依赖和独立）值视为连续数字（即浮点数），即使它们在数据文件中表示为整数。

【讨论】：