有没有办法用 scikit-learn “重新创建”数据？

Question

我的问题是关于 python 中的 scikit-learn。 假设我有 3 个特征 A、B 和 C，分别是 A 和 B em> 能够在这样的代码中预测 C：

exampleModel.fit(AandB, C) 
exampleModel.predict(C) 

有没有办法让我输入一些 C 值，并获得实现该 所需的 A 和 B 值C 值？几乎是反向输入。如果有办法，怎么叫？

Answer 1

是的，有可能！

但是你需要非常清楚你想要什么：A、B和C怎么样相关 - 决定什么是合适的预测模型。

您还需要意识到，不可能有“完美”的重构。 A 和 B 通常是比 C 更丰富的表示。除非它们非常受限（例如 A 和 B 之间的高度相关性），否则从 AB 到 C 时会丢失一些信息。这些信息无法恢复。

这不适用于所有模型，每个模型的工作方式都不同，并且它不是直接在 scikit-learn 中实现的。换句话说，你将不得不做一些手工工作，你需要知道你在做什么。特别是，您需要了解您正在使用的模型。没有即插即用的解决方案。

假设 A 和 B 是连续特征，而 C 是离散的 0 或 1。在这种情况下，合适的模型是一个分类器。让我们进一步假设 A 和 B 很好地聚集在不同的 blob 中，用于不同的 C。在这种情况下，线性分类器可以工作。

我将提供Linear Discriminant Analysis 的示例。它通过将类中心线性投影到最具辨别力的方向来工作。一般来说，我们需要反转这个投影，但幸运的是 LDA 暴露了原始的类中心。要从给定的 C 中获取原始特征的表示，我们只需要找到正确的类中心。

import numpy as np
from sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDA
from sklearn.datasets import make_blobs
import matplotlib.pyplot as plt

np.random.seed(7)


def inverse_lda(lda, C):
    c = np.flatnonzero(model.classes_ == C)
    return model.means_[c]


AB, C = make_blobs(n_samples=333, n_features=2, centers=2)  # toy data
A, B = AB.T

plt.scatter(A, B, c=C, alpha=0.5)
plt.xlabel('A')
plt.ylabel('B')

model = LDA(store_covariance=True).fit(AB, C)

# reconstruct A and B for C=[0, 1]
ABout = inverse_lda(model, C=[0, 1])

plt.plot(ABout[0, 0], ABout[0, 1], 'o', label='C=0')
plt.plot(ABout[1, 0], ABout[1, 1], 'o', label='C=1')
plt.legend()