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，并且已经阅读过监督/非监督学习。很难确定一个明确的答案，因为很难为我不熟悉的领域找到正确的术语。
最好在数据集中创建一个包含不存在的标签值的任意行？
使用 ML.net。
抱歉，如果这是一个简单的问题。
谢谢
问问题
406 次
3 回答
0
你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：
于 2018-12-05T15:52:46.200 回答
0
在分类问题中，“标签”是“真实类别”的索引。如果训练数据集中没有示例属于“6”类，那么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”（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。
于 2018-12-05T18:11:17.543 回答
0
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。
给定以下内容：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。
于 2019-05-27T18:32:53.327 回答