标准化训练数据后使用 sklearn 预测新数据答案

【问题标题】：Predicting new data using sklearn after standardizing the training data标准化训练数据后使用 sklearn 预测新数据
【发布时间】：2016-12-11 08:12:28
【问题描述】：

我正在使用 Sklearn 构建线性回归模型（或任何其他模型），步骤如下：

X_train 和 Y_train 是训练数据

标准化训练数据

  X_train = preprocessing.scale(X_train)

拟合模型
```
 model.fit(X_train, Y_train)
```

一旦模型与缩放数据拟合，我如何使用拟合模型预测新数据（一次一个或多个数据点）？

我用的是

缩放数据

NewData_Scaled = preprocessing.scale(NewData)

预测数据

PredictedTarget = model.predict(NewData_Scaled)

我想我缺少preprocessing.scale 的转换函数，以便我可以将其与经过训练的模型一起保存，然后将其应用于新的未见数据？请帮忙。

【问题讨论】：

标签： python machine-learning scikit-learn

【解决方案1】：

看看these docs。

您可以使用预处理模块的StandardScaler 类来记住训练数据的缩放比例，以便将其应用于未来的值。

from sklearn.preprocessing import StandardScaler
X_train = np.array([[ 1., -1.,  2.],
                    [ 2.,  0.,  0.],
                    [ 0.,  1., -1.]])
scaler = StandardScaler().fit(X_train)

scaler 计算了平均值和比例因子以标准化每个特征。

>>>scaler.mean_
array([ 1. ...,  0. ...,  0.33...])
>>>scaler.scale_                                       
array([ 0.81...,  0.81...,  1.24...])

将其应用于数据集：

import numpy as np

X_train_scaled = scaler.transform(X_train)
new_data = np.array([-1.,  1., 0.])    
new_data_scaled = scaler.transform(new_data)
>>>new_data_scaled
array([[-2.44...,  1.22..., -0.26...]])

【讨论】：

这是一个有用的答案——我想知道 StandardScaler 是否也可以用于新的看不见的数据。很高兴看到这种情况。
我认为transform 函数的参数应该是二维数组。在您的情况下，new_data 数组是 1d。
但这只能在同一个会话中工作，对吧？有什么方法可以保存缩放器以供以后使用，例如您可以保存经过训练的神经网络的模型/权重？
@J.Dahlgren 您是否能够通过保存缩放器来解决问题？我遇到了类似的问题。
@Regressor 如果它仍然与您相关，这里是使用 joblib 包导出/导入标准缩放器对象的解决方案：stackoverflow.com/a/53153373/11537601

【解决方案2】：

当您在单次运行中使用train data 和test data 时，高于answer 即可...
但是如果你想在训练后test 或infer 怎么办

这肯定会有所帮助

from sklearn.preprocessing import StandardScaler
import numpy as np
from sklearn import datasets

iris = datasets.load_iris()
X = iris.data 

sc = StandardScaler()
sc.fit(X)
x = sc.transform(X)
#On new data, though data count is one but Features count is still Four
sc.transform(np.array([[6.5, 1.5, 2.5, 6.5]]))  # to verify the last returned output



std  = np.sqrt(sc.var_)
np.save('std.npy',std )
np.save('mean.npy',sc.mean_)

这个块是独立的

s = np.load('std.npy')
m = np.load('mean.npy')
(np.array([[6.5, 1.5, 2.5, 6.5]] - m)) / s   # z = (x - u) / s ---> Main formula
# will have same output as above

【讨论】：