处理训练数据和预测数据中的功能数量不匹配

Question

我有6个文本功能（例如f1，f2，..，f6）可用于训练模型的数据。但是，当部署此模型并出现一个新的数据点时，我必须使用该模型进行预测，它只有2个功能（f1和f2）。因此，存在特征不匹配的问题。我该如何解决这个问题？ 我有一些想法，但这并不是很有效。

1. 仅使用两个功能进行训练（f1和f2），而放弃其他功能（f3，..，f6）。但这会导致信息丢失，并且我的测试仪准确性降低。
2. 了解（f3，.. f6）与（f1和f2）之间的一些关系。这样，即使在新数据点中不存在（f3，..，f6），信息也只能从f1和f2中提取。

Answer 1

最好的方法当然是使用f1，f2和您可能拥有的任何新数据训练新模型。

不想这样做吗？如果您没有f3 ... f6，则不应神奇地期望模型能够按预期工作。

现在，想想那些“ f3 ... f6”是什么？它们与您拥有的新信息相关吗？如果是这样，您也许可以近似它们。我们无法告诉您该怎么做，因为我们没有任何线索。插值？回归？粗略的近似？

我的建议：您缺少模型的大多数预测变量。您的旧模型毫无意义。请训练一个新的人。。

Answer 2

也许您可以用噪声数据填充f3至f6的数据，噪声数据是包括该功能的所有数据的平均值。这样，功能f3到f6的数据就不会太突出，也不会以任何一种方式倾斜分类器。分类器将更可能依赖于f1和f2提供的功能进行分类。

计算时，请确保首先计算每个分类的平均值，然后求平均值。这样，如果您的数据集包含大量的一个类，则不会偏离平均值。

当然，这可能过于简化，并且对于二进制分类最有效。这取决于数据集和分类。

希望这会有所帮助：）