Как оформить классификатор с разной структурой данных на обучении и тесте?

Question

[Александр Куракин]

Я пишу свой классификатор на scikit-learn. То есть наследую sklearn.base.BaseEstimator. Но структура данных на обучении и на тесте отличаются (классифицируемый объект - спортивный матч),

• на обучении это названия команд и набор событий, отвечающих за матч,
  
• а на тесте это только названия команд.
  
  

Отмечу, что "набор событий" вообще сложно представить в виде матрицы...

Как это оформить?
UPD. Имеется ввиду: какие сигнатуры у методов должны быть, если я наследую sklearn.base.BaseEstimator?

Answer 1

[Vlad_Fedorenko]

Либо не использовать при обучении признаки, которые не будут доступны в тесте, либо использовать информацию из трейна а-ля для команды 1 средняя доля выигрышей 0.67. Но тут просто переобучиться и натолкнуться на ситуацию, когда в тесте будет команда, которой не было в трейне

Comments

[Александр Куракин]

Я использую второй вариант. Как это оформить? Какие сигнатуры методов тут должны быть?

[Vlad_Fedorenko]

Александр Куракин: можно завести словарь {команда : ваш_признак} в методе fit()

[Vlad_Fedorenko]

И обращаться к нему при вызове predict

[Александр Куракин]

Vlad_Fedorenko: спасибо! А ничего, что в методе fit параметр X будет иметь иную структуру, нежели в predict? Да и вообще, X - набор событий, не совсем матрица... Это ничему не противоречит?

Собственно, эти сомнения и породили вопрос, ясно, что теоретически можно сделать как угодно... Просто я думал эту фазу в transform запихнуть, но все равно выходит, что в fit и в predict данные разной структуры...

[Vlad_Fedorenko]

Александр Куракин: А есть пример трейна и теста? Можно transform дёргать из predict