model - 如何使用这个 smoreg 模型手动预测 future 价格？

Question

我有超过 1000 个实例和 3 个属性的历史牲畜价格数据。我使用了 WEKA(怀卡托知识分析环境)工作台。我已经为训练数据和测试数据创建了 ARFF 文件。当我运行时，我得到了预测价格，它给了我 SMOreg 模型。

我的问题是如何使用该方程，以便当我输入新数据时它应该给出预测价格？

模型给出了这个方程；

Predicted price =  + 0.2209 * (normalized) SEX  - 0.3164 * (normalized) GRADE  +  0.3937

在“SEX”下，1 为女性，2 为男性。级别下，2级为体重等于或大于100公斤，3级为体重低于100公斤。

问题是，当我尝试使用这个方程替换性别和成绩值时，它并没有给出真正的预测价格。稍后我想在 Android 上使用该方程，以便可以使用应用程序进行价格预测。

以下是；
1. ARFF文件的一部分。
2.来自训练数据的SMOreg模型
3.部分预测价格

ARFF   
    @relation trainingDataset  
    @attribute SEX numeric  
    @attribute GRADE numeric  
    @attribute PRICE numeric  

    @data  
    1 , 2 , 364000  
    1 , 3 , 306000   
    2 , 2 , 530000   
    2 , 3 , 336000   
    1 , 2 , 400000   
    1 , 3 , 277000   
    2 , 2 , 558000   
    2 , 3 , 340000   
    1 , 2 , 356000   
    1 , 3 , 302000 

运行时，它会给出以下输出

SMOreg
weights (not support vectors):  
 +       0.2209 * (normalized) SEX  
 -       0.3164 * (normalized) GRADE  
 +       0.3937   

内核评估次数:562330(95.457% 已缓存)

Actual Class,SMO Predicted  
648000.0, 606226.8428201795  
360000.0, 401190.9898681232  
416000.0, 463105.0101318615  
324000.0, 258069.15717980522  
648000.0, 606226.8428201795  

......................................

请帮忙

Answer 1

您必须对预测进行非标准化。

可用数据中的某个位置应该包含标准化参数、原始数据的平均值和标准偏差。您的数据均已标准化，可能使用转换

y' = (y - mean) / stdev

其中 y 是原始价格，y' 是标准化价格。

现在你必须扭转这个过程。求解 y:

y = y' * stdev + mean

对您的每个预测执行此操作，您应该获得所需的预测价格。