matlab - TreeBagger() (MATLAB) 以及训练集和测试集上不同数量的变量

Question

我正在使用 MATLAB 函数 TreeBagger() 进行随机森林分类，以进行作业。当测试数据的变量数量与训练数据的变量数量不同时，会出现错误。

我被告知变量选择应该仅在训练数据上进行，而不是在测试数据上进行，这样测试数据就不会出现偏差。因此，在将初始数据集(50 个变量)拆分为训练集和测试集后，我对训练集执行变量选择(独立性卡方检验)。因此训练集由 37 个变量组成，而测试集仍由 50 个变量组成。

我用了TreeBagger()训练训练集，然后使用测试集进行预测(函数 predict() )。我收到错误，因为测试集的变量数量与模型训练的变量数量不同。

仅在训练集上进行变量选择是错误的吗？有没有办法使用这个函数进行预测？

Answer 1

所选变量是最终模型的一部分。这意味着无论何时您想要使用最终模型，它都必须仅使用在训练集上选择的变量。因此，在应用 TreeBagger 模型之前，您可以过滤掉未选择的变量，然后应用它来获得对测试集的预测。