导入 Pycaret 后，我调用了 setup(mydf, 'mytarget') 并运行 compare_models()。然后，我想从比较列表中保存一个模型并将其用于另一个数据集。我所做的类似于：lr = create_model('lr')。
但是，当我尝试lr.predict(mynewdfwithouttarget) 时，我收到了大小不匹配错误：
X 每个样本有 11 个特征；预计 37
列表中的其他模型也输出相同（或类似）的错误。
那么，如何使用在compare_models() 内部训练的模型？
谢谢。
【问题讨论】：
标签： python data-modeling prediction training-data pycaret
创建模型：
lr = create_model('lr')
对测试/保留样本的预测：
predict_model(lr);
最终确定部署模型：
final_lr = finalize_model(lr)
预测新数据：
predictions = predict_model(final_lr, data = mynewdfwithouttarget)
【讨论】：
predictions = predict_model(final_lr, data = mynewdfwithouttarget) 似乎很有用。它与predictions = predict_model(lr, data = mynewdfwithouttarget) 有何不同？
finalize_model() 为包括测试数据在内的整个数据集调整模型。来源：pycaret.org/finalize-model