TensorFlow：超出线性回归模型的评估集进行预测

Question

我一直在做基本的线性回归TensorFlow教程：https://www.tensorflow.org/tutorials/estimator/linear 最后，我创建了评估集输入函数和功能列，并预测了评估集的概率。但是，我不了解的一件事是，机器学习应该使用训练集进行训练，然后使用特征预测标签，从而在某种意义上进行推断。但是，我通过评估功能为它提供了标签和功能：

def make_input_fn(data_df, label_df, num_epochs=10, shuffle=True, batch_size=32):
  def input_function():
    ds = tf.data.Dataset.from_tensor_slices((dict(data_df), label_df))
    if shuffle:
      ds = ds.shuffle(1000)
    ds = ds.batch(batch_size).repeat(num_epochs) 
    return ds
  return input_function
train_input_fn = make_input_fn(dftrain, y_train)
dfeval = pd.read_csv("https://storage.googleapis.com/tf-datasets/titanic/eval.csv")
y_eval = dfeval.pop("survived")
eval_input_fn = make_input_fn(dfeval, y_eval, 1, False)
...
result = list(linear_est.predict(eval_input_fn))

如何将模型输入一个输入节点并返回预测的输出标签？在这种情况下，我没有获得实际值，而是获得了实际值。