Co zrobić, gdy dane testowe mają mniej funkcji niż dane treningowe?

Powiedzmy, że przewidujemy sprzedaż sklepu, a moje dane szkoleniowe mają dwa zestawy funkcji:

• Jedna dotyczy sprzedaży w sklepie z datami (pole „Sklep” nie jest unikalne)
• Jedna dotyczy typów sklepów (pole „Sklep” jest tutaj unikalne)

Zatem macierz wyglądałaby mniej więcej tak:

+-------+-----------+------------+---------+-----------+------+-------+--------------+
| Store | DayOfWeek |    Date    |  Sales  | Customers | Open | Promo | StateHoliday |
+-------+-----------+------------+---------+-----------+------+-------+--------------+
|   1   |     5     | 2015-07-31 |  5263.0 |   555.0   |  1   |   1   |      0       |
|   2   |     5     | 2015-07-31 |  6064.0 |   625.0   |  1   |   1   |      0       |
|   3   |     5     | 2015-07-31 |  8314.0 |   821.0   |  1   |   1   |      0       |
|   4   |     5     | 2015-07-31 | 13995.0 |   1498.0  |  1   |   1   |      0       |
|   5   |     5     | 2015-07-31 |  4822.0 |   559.0   |  1   |   1   |      0       |
|   6   |     5     | 2015-07-31 |  5651.0 |   589.0   |  1   |   1   |      0       |
|   7   |     5     | 2015-07-31 | 15344.0 |   1414.0  |  1   |   1   |      0       |
|   8   |     5     | 2015-07-31 |  8492.0 |   833.0   |  1   |   1   |      0       |
|   9   |     5     | 2015-07-31 |  8565.0 |   687.0   |  1   |   1   |      0       |
|   10  |     5     | 2015-07-31 |  7185.0 |   681.0   |  1   |   1   |      0       |
+-------+-----------+------------+---------+-----------+------+-------+--------------+
[986159 rows x 4 columns]

i

+-------+-----------+------------+---------------------+
| Store | StoreType | Assortment | CompetitionDistance |
+-------+-----------+------------+---------------------+
|   1   |     c     |     a      |         1270        |
|   2   |     a     |     a      |         570         |
|   3   |     a     |     a      |        14130        |
|   4   |     c     |     c      |         620         |
|   5   |     a     |     a      |        29910        |
|   6   |     a     |     a      |         310         |
|   7   |     a     |     c      |        24000        |
|   8   |     a     |     a      |         7520        |
|   9   |     a     |     c      |         2030        |
|   10  |     a     |     a      |         3160        |
+-------+-----------+------------+---------------------+
[1115 rows x 4 columns]

Druga matryca opisuje typ sklepu, grupy asortymentowe przedmiotów, które sprzedaje każda z nich, oraz odległość od najbliższego sklepu konkurencyjnego.

Ale w moich danych testowych mam informacje tylko w pierwszej macierzy bez pól Customersi Sales. Celem jest przewidzenie pola sprzedaży, biorąc pod uwagę

• Sklep
• Dzień tygodnia
• Data
• Otwórz (czy sklep jest otwarty)
• Promocja (czy sklep ma promocję)
• Święto państwowe (niezależnie od tego, czy jest to święto państwowe)

Mogę łatwo wyszkolić klasyfikatora na podstawie wypunktowanych pól powyżej, aby przewidzieć, Salesale jak mogę wykorzystać drugą macierz w moich danych treningowych, których nie uzyskałbym w danych testowych?

Czy logiczne jest założenie, że druga matryca dotycząca typów Store jest statyczna i mogę łatwo dołączyć ją do danych testowych?

Co się stanie, jeśli w moim zestawie funkcji danych testowych są dziury, powiedzmy, że w przypadku niektórych wierszy danych testowych nie mam wartości „Promo”.

Skorzystaj z dodatkowych funkcji uczenia się bez nadzoru. Możesz cieszyć się podejściem Vladimira Vapnika w kontekście SVM, które nazywa uprzywilejowanym uczeniem się: Uczenie się z inteligentnym nauczycielem: kontrola podobieństwa i transfer wiedzy

Myślę, że może występować problem w sposobie jego zgłaszania. Mówisz, że dane testowe nie mają dwóch pól, ale to nie może być poprawne.

Musisz wziąć wszystkie swoje dane i podzielić je na 2 grupy, zestaw treningowy i zestaw testowy. W proporcji 80% -20% lub 70% -30%. Następnie trenujesz algorytm z danymi w zestawie szkoleniowym i testujesz dokładność modelu z danymi w zestawie testowym.

Otrzymana dokładność to prawdopodobieństwo, że Twój model jest poprawny. Lub mówiąc inaczej, przy następnym użyciu modelu do przewidywania sprzedaży, dokładność to prawdopodobieństwo, że Twoja prognoza jest prawdziwa