machine-learning - 使用当前无效的输入数据进行预测

Question

假设我们有一些数据（输入），我们想用它来预测一些输出。如果特定输入可以采用的可能值随着时间的推移发生了变化，那么使用所有数据是否仍然合适？

让我试着用一个例子来澄清一下。假设其中一个输入是[A, B, C]在数据中具有唯一值的分类变量，但我们知道一个事实是，在我们最终将进行预测的当前设置中，只有值[A, B]是可能的。

C使用所有数据是否仍然合适，或者是否应该排除所有包含 a 的观察结果？

标签： machine-learningstatisticsartificial-intelligencepredictionforecasting

Answer 1

IfC不是唯一映射到目标变量，而是与Aor/and共享一些目标变量B。在这种情况下，留C在数据集中，知道它肯定不会出现在未来的输入中（即您预测看不见的输入的地方），将调整模型的假设（这取决于模型，线性模型更多容易出现这种情况），因此最终假设将基于冗余信息。

简单来说：In-Sample不代表Out-of-Sample，所以它会过拟合，不会泛化！