鉴于我有训练和测试数据，可能缺少逻辑序号。可以推断出不存在的值吗？
例如： 培训/测试数据的标签值分别为1,2,3,4,5 ... 7,8,9,10。
即使在训练或测试数据中没有这种情况出现的情况下，是否有可能基于数据模型预测6的结果？
我是机器学习的新手，并且已经阅读了有监督/无监督学习。很难找到一个明确的答案，因为要为我不熟悉的领域提供正确的术语是很困难的。
最好在数据集中创建一个不包含标签值的任意行吗？
使用ML.net。
很抱歉，这是一个简单的问题。
谢谢
答案 0 :(得分：0)
您是关于确定性还是概率性方法的问题？我不知道您为什么要使用机器学习，但尝试阅读Markov Chain：
答案 1 :(得分：0)
在分类问题中，“标签”是“真实类别”的索引。如果训练数据集中没有示例属于“ 6”类，则学习的模型将永远不会预测6类：被教导永远不要这样做。
在回归问题中，“标签”是“预测的数量”（实数）。在这种情况下，模型预测训练时未看到的值是很正常的：该模型可以预测6、5.7或6.1等。
没有更多细节，我无法确定您是要解决分类问题还是回归问题。
答案 2 :(得分：0)
我解决（或实际上缓解了）缺少价值的方法是执行以下操作。对于每个需要顺序的输入数据类型-没有间隙，我仅在所有条目中使用数据集中没有不间断序列的数据/行。
给出以下内容：0,1,2,3,4,5,6,7,9
我只使用符合所有条目中最大可用序列的数据。 0-7。这可能会导致训练模型丢失一些数据，但是由于数据相当一致，因此几乎没有遗漏。