我使用Sklearn通过以下步骤构建线性回归模型(或任何其他模型):
X_train和Y_train是训练数据
- 标准化训练数据
X_train = preprocessing.scale(X_train)
- 适合模型
model.fit(X_train, Y_train)
一旦模型适合缩放数据,我如何使用拟合模型预测新数据(一次一个或多个数据点)?
我正在使用的是
- 缩放数据
NewData_Scaled = preprocessing.scale(NewData)
- 预测数据
PredictedTarget = model.predict(NewData_Scaled)
我想我错过了一个带有 preprocessing.scale
的转换函数,这样我就可以用经过训练的模型保存它,然后将它应用到新的看不见的数据上?请帮忙 .
1 回答
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 .scaler
计算了平均值和比例因子,以标准化每个特征 .要将其应用于数据集: