使用有限的用户生成数据进行预测

Question

我们已经训练了一个ML模型并将其部署到生产中。经过训练的ML模型使用了大约50-60个特征。用户在我们的平台上输入一组信息，这些信息与模型所训练的所有功能都不太接近。

我们如何使用ML算法进行预测，该算法所训练的特征数量远远超过您的测试点？

一个信用评分的例子。该模型以用户的信用历史、人口、地点、收入、费用、财务等数据为基础进行训练。在此基础上，我们希望在我们的平台上预测一个新用户的得分。我们可以收集一些基本的信息，但不能获得所有的数据。

当测试数据点与训练有素的模型相比，测试数据点的信息有限时，是否有方法进行预测？对测试数据进行假设也是不现实的，因为您只是没有足够的信息。其他的工作是什么？

Answer 1

在这种情况下，模型被训练成一个与推理时间不同的场景，但在这种情况下，我首先尝试两种方法：

• 对模型进行再培训，包括这类样本(客户端的未知值为Nones)，这样培训数据集将变得更加稀疏，但在进行预测时更适合您需要的用例。
• 尝试将您认为是最重要的列(在可行的属性方面)根据您的培训数据进行客户端聚类，并应用于那些可以帮助您识别客户端类型的推断样例(来源)；您可以实现与此滑雪板KNNimputer类似的内容，请参见这些考虑。