使用Orange中的逻辑回归/决策树预测类标签

Question

我有12个属性的数据和类标签no / yes。我用火车数据创建了一个模型。我尝试通过删除类标签来测试带有测试数据的模型。得到“ValueError（”没有类属性的测试数据集“）” 如何在决策树/ Logistic回归中实际预测类标签？

我在Orange中建立了以下连接。

文件 - ＆GT;数据采样器 - ＆gt;

               -> logistic regression -> test learners -> Confusion Matrix
               -> logistic regression -> Predictions
               -> Remaining data -> test learners   
               -> Remaining data -> Predictions  

Answer 1

不要删除课程。 Orange在内部完成。

如果您使用测试学习者，请不要使用数据采样器。测试学习者对数据进行采样。

您的第一行将运行交叉验证（或您在Test Learners中设置的任何内容）。只需从您的管道中删除数据采样器即可。

第二行需要像这样：从数据样本中，将数据样本提供给Logistic回归，将剩余数据提供给Predictions。还将Logistic回归连接到Predictions。预测将使用从数据样本构建的模型向您显示剩余数据的预测。不要从剩余数据中删除类。别担心，Logistic回归不会用它来做出预测。此外，您还可以比较预测中的实际和预测类别。

我不理解第三和第四行。无论如何，前两个代表了两种常见的情景。