与经过训练的机器学习模型一起使用时的特征顺序
Feature order when used with a trained machine learning model
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，输入的顺序是否需要相同（F1、F2 或 F3）？
为简单起见，假设您正在拟合一个线性模型和一个回归模型（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 所犯的错误最小。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。
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。
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，输入的顺序是否需要相同（F1、F2 或 F3）？
为简单起见，假设您正在拟合一个线性模型和一个回归模型（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 所犯的错误最小。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。
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。