machine-learning - 处理训练数据和预测数据中的特征数量不匹配

Question

我有 6 个文本特征（比如 f1、f2、..、f6）可用于我训练模型的数据。但是，当部署此模型并出现新数据点时，我必须使用此模型对其进行预测，它只有 2 个特征（f1 和 f2）。所以，存在特征不匹配的问题。我该如何解决这个问题？我有一些想法，但效率不高。

1. 仅使用两个特征进行训练（f1 和 f2），并丢弃其他特征（f3,..,f6）。但这会导致信息丢失，并且我的测试集准确性会降低。
2. 了解 (f3,..,f6) 与 (f1 和 f2) 之间的一些关系。因此，即使 (f3,..,f6) 不在新数据点中，也只能从 f1 和 f2 中提取信息。

标签： machine-learningdata-sciencefeature-extractionfeature-selection

Answer 1

最好的方法当然是使用 f1、f2 和您可能拥有的任何新数据来训练一个新模型。

不想那样做？如果您没有 f3...f6，您不应该神奇地期望模型按预期工作。

现在，想想那些“f3...f6”是什么？它们与您掌握的新信息有关吗？如果它们是，您也许可以近似它们。我们无法告诉您该怎么做，因为我们不知道它们是什么。插值？回归？粗略的近似？

我的建议：您缺少模型的大部分预测变量。你的旧模型毫无意义。请训练一个新的。