相关疑难解决方法(0)

我在sklearn中使用MinMaxScaler模型来规范化模型的功能.

training_set = np.random.rand(4,4)*10
training_set

       [[ 6.01144787,  0.59753007,  2.0014852 ,  3.45433657],
       [ 6.03041646,  5.15589559,  6.64992437,  2.63440202],
       [ 2.27733136,  9.29927394,  0.03718093,  7.7679183 ],
       [ 9.86934288,  7.59003904,  6.02363739,  2.78294206]]


scaler = MinMaxScaler()
scaler.fit(training_set)    
scaler.transform(training_set)


   [[ 0.49184811,  0.        ,  0.29704831,  0.15972182],
   [ 0.4943466 ,  0.52384506,  1.        ,  0.        ],
   [ 0.        ,  1.        ,  0.        ,  1.        ],
   [ 1.        ,  0.80357559,  0.9052909 ,  0.02893534]]

现在我想使用相同的缩放器来规范化测试集:

   [[ 8.31263467,  7.99782295,  0.02031658,  9.43249727],
   [ 1.03761228,  9.53173021,  5.99539478,  4.81456067],
   [ 0.19715961,  5.97702519,  0.53347403,  5.58747666],
   [ 9.67505429, …

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

1. 标准化培训数据

     X_train = preprocessing.scale(X_train)
   

   Run Code Online (Sandbox Code Playgroud)

2. 适合模型

    model.fit(X_train, Y_train)
   

   Run Code Online (Sandbox Code Playgroud)

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)？

我正在使用的是

1. 缩放数据

   NewData_Scaled = preprocessing.scale(NewData)
   

   Run Code Online (Sandbox Code Playgroud)

2. 预测数据

   PredictedTarget = model.predict(NewData_Scaled)
   

   Run Code Online (Sandbox Code Playgroud)

我想我错过了一个转换函数,preprocessing.scale以便我可以用训练过的模型保存它,然后将它应用到新的看不见的数据上？请帮忙.