TreeBagger() (MATLAB) 以及训练集和测试集上不同数量的变量

Question

我正在使用 MATLAB 函数 TreeBagger() 进行随机森林分类，进行分配。当Test数据的变量数与Training数据的变量数不同时会报错。

我被告知，变量选择应该只在训练数据上进行，而不是在测试数据上进行，这样测试数据就不会有偏差。因此，在将初始数据集（50 个变量）拆分为训练集和测试集后，我对训练集执行变量选择（独立性卡方检验）。因此训练集包含 37 个变量，而测试集仍然包含 50 个变量。

我使用TreeBagger() 训练训练集，然后使用测试集进行预测（函数predict()）。我得到一个错误，因为测试集的变量数量与模型训练的变量数量不同。

只对训练集进行变量选择有错吗？有没有办法使用这个函数进行预测？

Answer 1

所选变量是最终模型的一部分。 这意味着最终模型在您想使用它时只能使用在训练集上选择的变量。 因此，在应用您的 TreeBagger 模型之前，您会过滤掉未选择的变量，然后将其应用到您的测试集上获得预测。