如何使用 MinMaxScaler sklearn 标准化训练和测试数据

Question

所以，我有这个疑问，一直在寻找答案。所以问题是我什么时候使用，

from sklearn import preprocessing
min_max_scaler = preprocessing.MinMaxScaler()

df = pd.DataFrame({'A':[1,2,3,7,9,15,16,1,5,6,2,4,8,9],'B':[15,12,10,11,8,14,17,20,4,12,4,5,17,19],'C':['Y','Y','Y','Y','N','N','N','Y','N','Y','N','N','Y','Y']})

df[['A','B']] = min_max_scaler.fit_transform(df[['A','B']])
df['C'] = df['C'].apply(lambda x: 0 if x.strip()=='N' else 1)

之后我将训练和测试模型（A,B 作为特征，C 作为标签）并获得一些准确度分数。现在我的疑问是，当我必须预测新数据集的标签时会发生什么。说，

df = pd.DataFrame({'A':[25,67,24,76,23],'B':[2,54,22,75,19]})

因为当我对列进行规范化时，A 和 B 的值将根据新数据而不是模型将要训练的数据进行更改。 所以，现在我的数据在下面的数据准备步骤之后，将是。

data[['A','B']] = min_max_scaler.fit_transform(data[['A','B']])

A 和 B 的值将相对于 df[['A','B']] 的 Max 和 Min 值发生变化。 df[['A','B']] 的数据准备是相对于df[['A','B']] 的Min Max。

数据准备如何对不同的数字关联有效？我不明白这里的预测如何正确。

Answer 1

您应该使用training 数据拟合MinMaxScaler，然后在预测之前对testing 数据应用缩放器。

---

总结：

• 第 1 步：将scaler 安装在TRAINING data 上
• 第2步：使用scaler到transform the TRAINING data
• 第3步：使用transformed training data到fit the predictive model
• 第4步：使用scaler到transform the TEST data
• 第 5 步：predict 使用 trained model（第 3 步）和 transformed TEST data（第 4 步）。

---

使用您的数据的示例：

from sklearn import preprocessing
min_max_scaler = preprocessing.MinMaxScaler()
#training data
df = pd.DataFrame({'A':[1,2,3,7,9,15,16,1,5,6,2,4,8,9],'B':[15,12,10,11,8,14,17,20,4,12,4,5,17,19],'C':['Y','Y','Y','Y','N','N','N','Y','N','Y','N','N','Y','Y']})
#fit and transform the training data and use them for the model training
df[['A','B']] = min_max_scaler.fit_transform(df[['A','B']])
df['C'] = df['C'].apply(lambda x: 0 if x.strip()=='N' else 1)

#fit the model
model.fit(df['A','B'])

#after the model training on the transformed training data define the testing data df_test
df_test = pd.DataFrame({'A':[25,67,24,76,23],'B':[2,54,22,75,19]})

#before the prediction of the test data, ONLY APPLY the scaler on them
df_test[['A','B']] = min_max_scaler.transform(df_test[['A','B']])

#test the model
y_predicted_from_model = model.predict(df_test['A','B'])

---

使用虹膜数据的示例：

import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import MinMaxScaler
from sklearn.svm import SVC

data = datasets.load_iris()
X = data.data
y = data.target

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

scaler = MinMaxScaler()
X_train_scaled = scaler.fit_transform(X_train)

model = SVC()
model.fit(X_train_scaled, y_train)

X_test_scaled = scaler.transform(X_test)
y_pred = model.predict(X_test_scaled)

希望这会有所帮助。

另请参阅此处的帖子： https://towardsdatascience.com/everything-you-need-to-know-about-min-max-normalization-in-python-b79592732b79

Answer 2

最好的方法是训练并保存 MinMaxScaler 模型，并在需要时加载它。

保存模型：

df = pd.DataFrame({'A':[1,2,3,7,9,15,16,1,5,6,2,4,8,9],'B':[15,12,10,11,8,14,17,20,4,12,4,5,17,19],'C':['Y','Y','Y','Y','N','N','N','Y','N','Y','N','N','Y','Y']})
df[['A','B']] = min_max_scaler.fit_transform(df[['A','B']])  
pickle.dump(min_max_scaler, open("scaler.pkl", 'wb'))

加载保存的模型：

scalerObj = pickle.load(open("scaler.pkl", 'rb'))
df_test = pd.DataFrame({'A':[25,67,24,76,23],'B':[2,54,22,75,19]})
df_test[['A','B']] = scalerObj.transform(df_test[['A','B']])