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？ [关闭]

Question

我编写了一个基于 ML 的入侵预测。在学习过程中，我使用标记的训练和测试数据来评估准确性并生成混淆矩阵。我想出了很好的准确性，现在我想用新数据（未标记的数据）对其进行测试。我该怎么做？

Answer 1

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

简短的回答是，你不能。您需要将数据拆分为：

1. 培训 70%
2. 验证 10%
3. 测试 20%

所有这些都应该被标记，准确性、混淆矩阵、f 度量和其他任何东西都应该在你的程序以前没有见过的标记测试数据上计算。您在训练数据上进行训练，并且每隔一段时间检查验证数据的性能，看看它是否表现良好或是否需要进行调整。最后，您检查测试数据。这是监督学习，你总是需要标记数据。