如何处理测试数据中训练数据未包含的额外列

我一直在使用随机森林开发模型。我的训练数据集有15列,假设为A到O。模型使用上述特征进行训练。假设测试集也将具有相同数量的特征或列。但现在客户添加了一些列,模型无法对新数据进行预测。这适用于回归和分类问题。

除了训练数据中已有的列之外,有没有办法或机制来处理或避免新添加的列?我们需要明确编写代码吗?还是有任何参数或内置函数可以处理这种情况?感谢您的帮助。谢谢!


回答:

只需保留训练数据的列列表,并在测试数据中仅使用此列表中的列即可。

Related Posts

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。 model = Sequenti…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注