机器学习的测试数据是否需要有列名？

Question

假设我有如下训练数据：

Age:12   Height:150   Weight:100     Gender:M
Age:15   Height:145   Weight:80      Gender:F
Age:17   Height:147   Weight:110     Gender:F
Age:11   Height:144   Weight:130     Gender:M

在我训练我的数据并获得模型后，如果我需要通过一个测试观察进行预测，我是否需要发送列名称如下的数据？

Age: 13   Height:142  Weight :90  

在某些情况下，我看到有人在没有列名的数组中发送测试数据。我不确定算法是如何工作的。

注意：我使用的是 python scikit-learn，我的训练数据是一个数据帧。所以我不确定我的测试数据是否也应该是dataFrame格式

Answer 1

你在预测性别吗？

如果是这样，那么是的。您的输入是包含以下列的记录：Age、Height 和 Weight。

否则，您将预测缺少Gender 值的记录。如果您的模型不允许缺少字段/列，您可以获得KeyError。

我不确定我的测试数据是否也应该是 dataFrame 格式

简而言之：是的。

通常你会这样做：

# X is your input data, the format depends on how your model (pre)process the data.
# It could be a numeric matrix, a list of dict's, a list of strings, etc.
X_train, X_test, y_train, y_test = train_test_split(X, y)
# Fit and validate.
clf.fit(X_train, y_train)
y_pred = clf.predict(X_test)

因此，您的训练和测试数据格式相同，或者至少格式兼容（即：pandas 数据帧与 dict 中的 list 兼容）。