与训练有素的机器学习模型一起使用时的特征顺序

【问题标题】：Feature order when used with a trained machine learning model与训练有素的机器学习模型一起使用时的特征顺序
【发布时间】：2019-04-21 10:42:40
【问题描述】：

假设我有一个使用特征 F1、F2 和 F3 训练的机器学习算法。该模型随后被挑选并用于另一个项目（使用 Joblib 导入）。

使用经过训练的模型时，输入是否需要按相同的顺序（F1、F2 或 F3）？

【问题讨论】：

【解决方案1】：

为简单起见，假设您正在拟合线性模型和回归模型（但推广到所有其他模型）。如果F1, F2, F3 是您的特征，那么它会找到权重w1, w2, w3, bias，使得w1*F1 + w2*F2 + w3*F3 + bias 产生的错误最小。它被称为权重和特征的线性组合。

因此，在进行预测时，模型会计算值w1*F1 + w2*F2 + w3*F3 + bias，因此特征的顺序很重要。

【讨论】：

【解决方案2】：

是的，它们的顺序必须完全相同。并以完全相同的方式进行预处理。

【讨论】：