CoreML：为什么预测是一个数组？

Question

考虑这样的 csv 文件：

number,weigth,length,depth,diameter
1,100,202,314,455
2,1040,2062,3314,4585
3,1200,2502,3134,4557
4,1500,2052,3143,4655
...

和这样的代码

let csvFile = Bundle.main.url(forResource: "myData", withExtension: "csv")!
let  dataTable = try! MLDataTable(contentsOf: csvFile)

// 打印（数据表）

let regressorColumns = ["weigth", "length", "depth", "diameter"]
let regressorTable = dataTable[regressorColumns]

let (regressorEvaluationTable, regressorTrainingTable) = regressorTable.randomSplit(by: 0.20, seed: 5)

let regressor = try! MLLinearRegressor(trainingData: regressorTrainingTable,
                                      targetColumn: "weigth")

let prediction = try! regressor.predictions(from: dataTable)
print (prediction)

prediction 是一个浮点数组，其元素数量与 csv 文件本身相同。

四个问题：

为什么是数组？
为什么浮动？
为什么数组与输入的元素数量相同csv？
这个数组到底代表什么？

Answer 1

您发布的代码的作用是在某些输入数据 (regressorTrainingTable) 上训练机器学习模型（特别是线性回归模型），目标是能够预测某些权重值（a "dependent" 或 "target" 值）基于长度、深度和直径（"independent" 或 "feature" 值）。那么这个模型实际上是为dataTable.

中存储的每一行数据（长度，深度和直径）计算一个权重值

因此 prediction 是根据存储在 dataTable 中的每一行的长度、深度和直径值预测权重值的集合。希望这能回答问题 1、3 和 4。

至于第二个问题，它只与构建模型的线性回归方法在幕后如何工作有关。在构建（训练）模型时，它会将所有输入（依赖和独立）值视为连续数字（即浮点数），即使它们在数据文件中表示为整数。

CoreML：为什么预测是一个数组？

CoreML: why is the predictions an array?

swift

macos

coreml

createml