在逻辑回归中预测新值
Predicting new values in logistic regression
我正在 tensorflow 中构建逻辑回归模型来逼近函数。
当我从完整的数据集中随机select训练和测试数据时，我得到了这样一个很好的结果（蓝色是训练点；红色是测试点，黑线是预测曲线）：
但是当我 select 空间分离的测试数据时，我得到了糟糕的预测曲线，如下所示：
我明白为什么会这样。但是机器学习模型不应该学习这些模式并预测新值吗？
周期函数也会发生类似的事情：
我是不是遗漏了一些微不足道的东西？
P.S。我 google 这个查询已经有一段时间了，但没能得到好的答案。
提前致谢。
- 您在这里尝试做的与逻辑回归无关。逻辑回归是一个分类器，你正在做回归。
- 不，机器学习系统不够智能，无法像您在这里那样学习外推函数。当您拟合模型时，您是在告诉它为训练数据找到解释。它不关心模型在训练数据范围之外做了什么。如果你想让它能够推断，那么你需要给它额外的信息。您可以将其设置为假设输入属于正弦波或二次多项式，并让它找到最合适的一个。但是，如果没有关于函数形式的假设，您将无法推断。
我正在 tensorflow 中构建逻辑回归模型来逼近函数。
当我从完整的数据集中随机select训练和测试数据时，我得到了这样一个很好的结果（蓝色是训练点；红色是测试点，黑线是预测曲线）：
但是当我 select 空间分离的测试数据时，我得到了糟糕的预测曲线，如下所示：
我明白为什么会这样。但是机器学习模型不应该学习这些模式并预测新值吗？
周期函数也会发生类似的事情：
我是不是遗漏了一些微不足道的东西？
P.S。我 google 这个查询已经有一段时间了，但没能得到好的答案。
提前致谢。
- 您在这里尝试做的与逻辑回归无关。逻辑回归是一个分类器，你正在做回归。
- 不，机器学习系统不够智能，无法像您在这里那样学习外推函数。当您拟合模型时，您是在告诉它为训练数据找到解释。它不关心模型在训练数据范围之外做了什么。如果你想让它能够推断，那么你需要给它额外的信息。您可以将其设置为假设输入属于正弦波或二次多项式，并让它找到最合适的一个。但是，如果没有关于函数形式的假设，您将无法推断。