SVM 预测水平在测试和训练数据之间不匹配

Question

我正在尝试预测处理推荐电影的二元分类问题。

我有一个 50 行（电影）和 6 列（5 个电影属性和对电影的共识）的训练数据集。

然后我有一个包含 20 部具有相同列的电影的测试数据集。

我然后运行

pred<-predict(svm_model, test)

并接收

predict.svm(svm_model, test) 错误：测试数据与模型不匹配！。

从类似的帖子来看，错误似乎是因为训练数据集和测试数据集之间的级别不匹配。这是真的，我已经通过比较 str(test) 和 str(train) 证明了这一点。然而，这两个数据集都来自随机选择的电影，并且它们的分类属性总是具有不同的级别。正在做

levels(test$Attr1) <- levels(train$Attr1)

更改测试中的实际列数据，从而使预测器不正确。有谁知道如何解决这个问题？

我训练集的前六行在下面link。 https://justpaste.it/1ifsx

Answer 1

你可以这样做，假设 Attr1 是一个字符：

使用点 1 中找到的所有级别在训练和测试属性 1 上创建一个因子。

levels <- unique(c(train$Attr1, test$Attr1))
test$Attr1  <- factor(test$Attr1, levels=levels)
train$Attr1 <- factor(train$Attr1, levels=levels)

如果您不想要 factos，请将 as.integer 添加到部分代码，您将获得由 factors 代替的数字。这有时在像 xgboost 这样的模型中更方便，并且可以节省一次热编码。

as.integer(factor(test$Attr1, levels=levels))

SVM Predict Levels not matching between test and training data