使用数据库中适合的XGBoost模型对新数据库进行预测

Question

我有一个数据库，已将其分为训练和测试数据集，在火车集合上拟合了XGBoost模型，并使用测试集合上的拟合模型进行了预测。到目前为止，一切都很好。

现在，如果我保存拟合的模型并想在全新的数据集上使用它进行预测，那么我的新数据库应该是什么样？

它必须包含确切数量的功能吗？

两个数据库中的分类功能必须具有相同的类别吗？

Answer 1

我认为，您正在使用一种热编码方式来说色彩特征？

因此从技术上讲，为避免测试数据中出现额外或新的特征，您应该使用Train + test数据来形成特征向量。

1. 对整个训练和测试数据集进行一次热编码/特征化。现在，将training-dataset和testing-dataset分开。
2. 让我们说[v1，v2，v3 ... vn]是火车+测试数据中的功能名称列表。
3. 现在使用此功能名称来形成训练数据。如预期的那样，与训练数据中的第5种颜色相对应的特征列将全部为零and THATS FINE
4. 使用相同的功能列表作为测试数据，现在您不应该在新功能方面出现任何差异。

希望如此。