Der Datensatz, der bewertet wird, muss alle Funktionen enthalten, die während des Trainings verwendet werden. Fehlende Funktion (en)

Question

Ich habe ein Modell in Azure ML erstellt und dieses Modell dann als Webdienst veröffentlicht. Ich möchte die Eingabefelder des Web-Service anpassen, indem ich die erforderlichen Eingaben für die Modellvorhersage WS aktualisiere.

Das Modell wurde an einer Reihe von Funktionen trainiert, um einen Preiswert an einem bestimmten Datum vorherzusagen. Ich möchte, dass der Kunde ein Datum zur Vorhersage des Preises angibt, ohne die Feature-Werte eingeben zu müssen, die ich bei der Schulung des Modells angegeben habe. (Durch Hinzufügen wählen Säulenmodul vor der Partitur-Modul)

Die Fehlermeldung, wenn ich die Web-Service-Eingänge anpassen, indem Sie die nicht benötigten Spalten in dem prädiktiven Experiment zu entfernen:

Fehler 1000:
AFx Bibliothek Bibliothek Ausnahme: Tabelle: Der Datensatz , der bewertet wird, muss alle Funktionen enthalten, die während des Trainings verwendet wurden. Fehlende Funktion (en).

Wie würde ich dieses Problem beheben?

Answer 1

Das Score-Modell-Modul benötigt die gleichen Eingabemerkmale, die zum Trainieren des Modells verwendet wurden. Das ist eine grundlegende Eigenschaft der maschinellen Lernalgorithmen.

Können Sie klären, woher der Feature-Wert kommt, wenn nicht vom Kunden?

-Roope

Answer 2

Ich hatte das gleiche Problem, mit dem folgenden Fehler.

Dies passierte, als ich meinen Klassifikationsalgorithmus im selben Projekt in Regressionsalgorithmus änderte. Ich habe es geschafft, indem ich ein neues Projekt mit den gleichen Schritten erstellt habe und alles hat perfekt funktioniert.

Ich denke, das Problem ist, wenn wir den Typ des Algorithmus ändern, ML Studio ist verwirrt.