我是Python的scikit-learn库的新手.截至目前,我已经使用图书馆制作了不同的分类器模型,这一直在顺利进行.由于数据中的单位不同(我从不同的传感器获得了相应类别标记的数据),我选择使用StandardScale模块来扩展功能.
得到的不同机器学习分类器的准确度得分很好.但是,当我尝试使用模型来预测传感器值的原始实例(意味着未缩放)时,模型会输出错误的分类.
由于对训练数据进行了扩展,是否真的会出现这种情况？如果是这样,是否有一种简单的方法来扩展原始值？我想使用joblib来使用模型持久性,如果有办法使它尽可能模块化,我将不胜感激.这意味着,每次训练数据发生变化时,不记录每个特征的平均值和标准变量.
非常感谢你!