如何启动机器学习模型？
How to launch a Machine Learning model?
首先感谢您花时间阅读我的问题。我已经用数据集（著名的关于癌症的数据集）完成了机器学习模型，我想知道如何预测新变量的结果。我认为我必须（经常）继续训练数据，以便在我的预测中使用更准确的数据，但对于预测新数据，“就像将测试数据（y 变量）更改为新数据一样简单吗？
非常感谢您抽出宝贵时间，我们将不胜感激。
您可能正在使用 sklearn.svm 中的 SVC class。
使用 fit 方法拟合模型后，您可以使用 predict 方法预测新数据。参见 here。
顺便说一句：对于支持向量机，您不必多次拟合数据。也许您将其与神经网络混淆了。
如果您所说的是要更改测试数据中的特征数量，那么您不能这样做。
训练集和测试集的特征数量必须相同。
但是，如果您的测试数据有一些 class 的分类变量，而这些变量在训练数据中不存在，那么您最好使用一个额外的类别作为 "NONE" 或 "Others" 来训练您的模型，以获得所有功能.
通过这种方式，当您在测试数据中遇到新的 class 分类变量时，您可以将其更改为 "NONE" 或 "Others" 并对训练模型进行预测。
这样它就不会破坏你的模型。
希望我能正确理解你的问题。
首先感谢您花时间阅读我的问题。我已经用数据集（著名的关于癌症的数据集）完成了机器学习模型，我想知道如何预测新变量的结果。我认为我必须（经常）继续训练数据，以便在我的预测中使用更准确的数据，但对于预测新数据，“就像将测试数据（y 变量）更改为新数据一样简单吗？ 非常感谢您抽出宝贵时间，我们将不胜感激。
您可能正在使用 sklearn.svm 中的 SVC class。
使用 fit 方法拟合模型后，您可以使用 predict 方法预测新数据。参见 here。
顺便说一句：对于支持向量机，您不必多次拟合数据。也许您将其与神经网络混淆了。
如果您所说的是要更改测试数据中的特征数量，那么您不能这样做。
训练集和测试集的特征数量必须相同。 但是，如果您的测试数据有一些 class 的分类变量，而这些变量在训练数据中不存在，那么您最好使用一个额外的类别作为 "NONE" 或 "Others" 来训练您的模型，以获得所有功能.
通过这种方式，当您在测试数据中遇到新的 class 分类变量时，您可以将其更改为 "NONE" 或 "Others" 并对训练模型进行预测。
这样它就不会破坏你的模型。
希望我能正确理解你的问题。