カテゴリ外情報は、サンプル外のカテゴリの予測を改善できますか？

Question

予測しようとしているターゲット番号に関連するいくつかの機能を持つレコードがあるとします。すべてのレコードは、同じ一般的な基本パターンに従い、RandomForestRegressorによって非常によく学習されます。すべてのレコードにカテゴリの機能が追加され、モデルの予測能力を向上させるための追加情報としてエンコードできるとしましょう。ここまでは順調ですね。

しかし今のは、我々はトレーニングデータに示されていない新しいカテゴリを持つレコードを予測するためのカテゴリ機能を含むデータで訓練だった私たちの回帰を使用したいとしましょう。このコンテキストでは、カテゴリ化された情報が役に立たなくなる（または悪化する）かどうか。モデルは、（このデータセットにないカテゴリに以前は適合していたので）最良の汎化性能を得るためにまたは、トレーニングデータのカテゴリーメンバーシップを知っていることが、サンプル外のカテゴリーの予測能力を向上させる可能性がありますか？

Answer 1

これらのセットに交差がない場合は、変数を含めないでください。テストデータに元の値の一部が表示されることが予想される場合は、それを使用する必要があります。