我在使用ML.NET来预测一系列值，使用的是回归模型。我只对预测一个列（分数列）感兴趣。然而，其他一些列的值在预测类中不可用。我不能将它们设为0，因为这会影响预测结果，所以我猜它们也需要被预测。

我看到一个类似的问题在这里，关于预测多个值。答案建议创建两个模型，但我注意到每个模型中指定的特征列不包括另一个模型的标签列。这意味着在进行预测时这些列不会被使用。我的理解是否有误，或者每个模型的标签列也应该包含在另一个模型的特征列中？

这里有一些示例代码，试图用代码来解释：

public class FooInput{    public float Feature1 { get; set; }    public float Feature2 { get; set; }    public float Bar {get; set; }    public float Baz {get; set; }}public class FooPrediction : FooInput{    public float BarPrediction { get; set; }    public float BazPrediction { get; set; }}public ITransformer Train(IEnumerable<FooInput> data){    var mlContext = new MLContext(0);    var trainTestData = mlContext.Data.TrainTestSplit(mlContext.Data.LoadFromEnumerable(data));    var pipelineBar = mlContext.Transforms.CopyColumns("Label", "Bar")        .Append(mlContext.Transforms.CopyColumns("Score", "BarPrediction"))        .Append(mlContext.Transforms.Concatenate("Features", "Feature1", "Feature2", "Baz"))        .Append(mlContext.Regression.Trainers.FastTree());    var pipelineBaz = mlContext.Transforms.CopyColumns("Label", "Baz")        .Append(mlContext.Transforms.CopyColumns("Score", "BazPrediction"))        .Append(mlContext.Transforms.Concatenate("Features", "Feature1", "Feature2", "Bar"))        .Append(mlContext.Regression.Trainers.FastTree());    return pipelineBar.Append(pipelineBaz).Fit(trainTestData.TestSet);}

这实际上与上述答案相同，但增加了Baz作为预测Bar的模型的特征，反之亦然，增加了Bar作为预测Baz的模型的特征。

这是正确的做法吗，或者另一个问题的答案是否达到了预期的结果，即每个列的预测将利用从加载的数据集中其他已预测列的值？

回答：

你可以使用的一种技术称为“插补”，它用一些“猜测”的值替换这些未知的值。插补只是用我们数据集中缺失的值进行替换的过程。

在ML.NET中，你要找的是ReplaceMissingValues转换。你可以在learn.microsoft.com上找到示例。

你上面讨论的技术也是一种插补形式，你的未知值被从其他已知值中预测的值所替换。这也可以起作用。我建议你尝试这两种形式，看看哪种对你的数据集最有效。