如何使用训练有素的机器学习模型预测未标记的测试数据？

Question

我已经写了一个基于ML的入侵预测。在学习过程中，我使用了带有标签的训练和测试数据来评估准确性并生成混淆矩阵。我提出了很好的准确性，现在我想用新数据（未标记的数据）对其进行测试。我该怎么办？

Answer 1

好吧，假设您对未标记的数据进行了测试，并且算法预测了一些X输出。您如何检查准确性，如何检查是否正确？这是预测中唯一重要的事情，即程序如何处理以前从未见过的数据。

简单的答案是，你不能。您需要将数据拆分为：

1. 培训70％
2. 验证10％
3. 测试20％

所有这些都应该进行标记，并且应该根据程序之前从未见过的标记测试数据来计算准确性，混淆矩阵，f度量以及其他任何内容。您的培训数据是训练数据，并不时检查验证数据的性能，以查看其运行情况是否良好，或者是否需要进行调整。最后，您检查测试数据。这是有监督的学习，您始终需要标记的数据。