使用 GroupKFold 交叉验证的调整模型在预测时需要组参数

Question

我使用 GroupKFold 调整了 RandomForest（以防止数据泄漏，因为某些行来自同一组）。

我得到了一个最佳拟合模型，但是当我对测试数据进行预测时，它说它需要组特征。

这有意义吗？奇怪的是，群组功能也成为最重要的功能之一。

我只是想知道我是否做错了什么。

谢谢

Answer 1

该组是否在训练集上显示为一列？如果是这样，请将其删除并重新训练。看起来您只是在使用它来生成拆分。如果它不是您需要预测的输入数据的一部分，则不应在训练集中。

Answer 2

在 scikit-learn Github 存储库 does not reveal a single instance of the string "group feature" 或“group_feature”或任何类似内容上进行搜索，因此我将继续假设您的数据集中有一个称为“组”的特征，预测模型需要该特征作为输入为了产生一个输出。

请记住，预测模型基本上是一个接受输入（“预测”变量）并返回输出（“预测”变量）的函数。如果一个名为“组”的变量被定义为您的预测模型的输入，那么 scikit-learn 会请求它是有意义的。