机器学习中的预测函数是否理解分类数据？

Question

据我所知，在进行特征工程之前，必须将数据集分成训练数据和测试数据，以避免分析中的偏差。我还了解到，机器学习模型除了数字数据之外不理解数据，因此需要编码，这是特征工程的一部分。我的问题是，我是单独编码测试数据，还是预测函数理解分类数据。

Answer 1

这在一定程度上取决于模型和语言(实现)。

首先，请理解分类数据与非数字数据是不一样的！许多模型可以很好地处理分类数据(例如回归格式)，有些模型甚至可以处理非数字数据。

最后，对于您来说，最重要的是，在火车/测试拆分之前，必须对整个数据集进行特性工程。所有的模型只能预测数据，它的输入格式与它所训练的数据完全相同！

所以，是的，如果你对某一列进行了一次热编码，它也需要对预测进行一次热编码。

Answer 2

如果要确保测试数据具有与火车集类似的类，则可以在用于Python的科学学习列车测试拆分中使用分层选项，或在Caret为R中使用分层选项。