NN Keras 回归：训练和预测的不同输入 [关闭]答案

【问题标题】：NN Keras Regression: Different Input for Training and Prediction [closed]NN Keras 回归：训练和预测的不同输入 [关闭]
【发布时间】：2020-10-30 03:32:52
【问题描述】：

我想实现一个运动 prediction，其中模型的（测试）输入只有 20 个变量（训练获得）中的 1 个（ID）

我在 python 中使用 keras 构建了一个 NN 回归模型，该模型使用约 20 个输入变量，包括 ID, minutes_played, score,...。现在我想知道是否可以只为经过训练的模型（具有 20 个变量）提供 ID 变量并为该 ID 获取 "prediction"。

或者如果没有有用的输入数据，我还能如何预测？

【问题讨论】：

标签： python machine-learning keras regression prediction

【解决方案1】：

如果没有有用的输入数据，我还能如何预测？

你不能！使用输入数据训练模型的全部意义在于对相似的数据点进行预测。

【讨论】：

感谢您的回答。除了 nn 回归，我还能如何实现这一目标？建议？
机器学习算法使用数据来学习模式并做出预测。如果您没有足够的数据，则很难做出准确的预测。如果您发布有关您的问题的更多信息，也许有人可以提供帮助。