CoreML：为什么预测是数组？

Question

考虑像这样的os.scandir()文件：

dirs

和类似的代码

csv

//打印（数据表）

number,weigth,length,depth,diameter
1,100,202,314,455
2,1040,2062,3314,4585
3,1200,2502,3134,4557
4,1500,2052,3143,4655
...

let csvFile = Bundle.main.url(forResource: "myData", withExtension: "csv")! let dataTable = try! MLDataTable(contentsOf: csvFile) 是一个浮点数组，具有与let regressorColumns = ["weigth", "length", "depth", "diameter"] let regressorTable = dataTable[regressorColumns] let (regressorEvaluationTable, regressorTrainingTable) = regressorTable.randomSplit(by: 0.20, seed: 5) let regressor = try! MLLinearRegressor(trainingData: regressorTrainingTable, targetColumn: "weigth") let prediction = try! regressor.predictions(from: dataTable) print (prediction) 文件本身相同数量的元素。

四个问题：

1. 为什么是数组？
2. 为什么要漂浮？
3. 为什么数组的元素数与输入prediction相同？
4. 此数组确切代表什么？

Answer 1

您发布的代码的作用是在某些输入数据（regressorTrainingTable）上训练机器学习模型（特别是线性回归模型），目的是能够预测一些权重值（“或“目标”值）（基于“长度”，“深度”和“直径”（“独立”或“特征”值）。 然后，该模型实际上用于计算存储在dataTable中的每一行数据（长度，深度和直径）的权重值。

因此prediction是根据dataTable中存储的每一行的长度，深度和直径值得出的权重值预测的集合。希望这能回答问题1、3和4。

对于第二个问题，它仅与线性回归方法在内部构建模型的方式有关。构建（训练）模型时，即使将所有输入（依赖和独立）值都视为连续数字（即浮点数），即使它们在数据文件中表示为整数也是如此。