Python Scikit学习-培训时忽略元数据功能

我想将失败的示例映射回标识元数据，如

名称、id、

等，以便更仔细地查看它们。我能想到的最简单的方法是在调用fit函数时，将

id

字段保留在功能集中。但是，我不希望模型在这些元数据字段上进行训练。在忽略某些特性的情况下，是否仍有适合模型的方法？或者是否有更好的方法将失败示例映射回其标识元数据？

首先，您应该查看测试中的“失败示例”，而不是培训数据集中的“失败示例”。我将假设这是您想要做的-但它对训练数据也同样有效。问题变成了，如何设置数据集，以便可以追溯到模型性能不佳的各个数据点

我还将假设您的数据位于数据帧中。假设您有

[feature1，feature2，id]

列。然后，无论您如何洗牌和拆分成训练/测试/验证数据，您都要在完整的数据框架上进行—特性和元数据一起移动

---

最后，将

df[[feature1，feature2]]

传递给您的模型。现在，要素数据和完整数据的索引方式完全相同。在识别出它不能正常工作的数据点之后，您可以通过查看同一索引处的原始数据帧来获取它的id和其他元数据。

严格来说，这不是真的。如果您不能过度拟合培训数据，那么您的模型实现就会出现问题。这是一个非常有用和常见的测试。但是他们在哪里说他们只是在看训练集呢？我暗示他们是来自他们想要使用的

fit

方法。我们希望你提供一个显示代码没有完全按照你想要的做的。（请参阅）我认为没有必要在这种情况下提供一个例子。本质上，这是一个关于scikit的api和机器学习策略的理论问题。也许这是一个错误的董事会上张贴虽然