学習データとテストデータの特徴量が異なる場合の精度向上方法は？

Question

以下のような特徴量があるとします。

〇学習データの特徴量

（説明変数）
a,b,c,d
（目的変数）
y

〇テストデータの特徴量

（説明変数）
a,b

機械学習を実施する場合、特徴量は一致させる必要があるので、上記の場合は両者に共通する特徴量（a,b）で学習させたモデルをテストデータの検証に用いる必要があろうかと思います。

しかし、学習に用いないデータ（c,d）を捨てるのはもったいないので、これを上手く活用して、精度を向上させる方法はないでしょうか？

Comments

[tiitoi]

そもそもなぜ学習データとテストデータの特徴量の数が異なっているのでしょうか。
1つのデータセットを分割して学習データとテストデータを作ったのではないのですか？

[python_2019]

ご連絡ありがとうございます。

何故、異なっているのかは実は私もわからないのです。

たまたま入手したデータセットがそのような形式になっており、これをなんとか上手く機械学習できないもかと思い質問させて頂きました。

よろしくお願いいたします。

Answer 1

1つ前の回答者の方と原則同じ回答です（ただ、「機械学習なら、少ない特徴量でもパラメータをうまく操作すれば上手に推論してくれるはず」は場合によりけりです）。

ただ、可能性としては
（データがないと抽象的で伝わらないかも知れませんがご容赦）
・1
AとBに相互に関係性がある。またAかB、たとえばAが2群に分かれるようなデータで2つのモデルを作った方がよい場合があります。
A、Bのクラスタリングなどの教師なし学習でAとBの特徴を見極めるのが通常手段ですが、その時にCとD
をつかってAとBの特徴を見出せるのであれば、

‐ 学習時にはその特徴を見出すためにCとDを用いてAとBを場合分けするようなことをする
‐ テスト時はその場合分けを用いる
のような可能性が考えられます。

・2
A-Dを用いて何らかの学習モデルを作成し、説明変数重要度を見る
AとBが高ければ、AとBのみのモデルでも予測の確からしさがあるていど保障
ただ、これは特殊例で基本的には難しいかなと思います。

Comments

[python_2019]

クラスタリングで活用する方法があるとは思いませんでした。
勉強になりました。
ありがとうございました。

[aokikenichi]

説明が至らずすみません。
クラスタリングで使えるのはAとBのみです。CとDを使ってしまうと、テスト時に出来ないので。
言いたいことは

回帰か判別でAとBの場合分けをCとDで分けることが出来るかも（特殊例なので難しい）

です

Answer 2

もしテストデータの特徴 c,d を学習に使ったとしても実際に推論させるときにはそれらのデータは無いため、学習に使う意味はないかと。機械学習なら、少ない特徴量でもパラメータをうまく操作すれば上手に推論してくれるはずです。