怎么会呢sklearn.preprocessing.normalize规范化数据，我能用平均值和标准差复制新数据吗？

Question

我正在处理一个数据科学问题，我使用sklearn的预处理normalize函数来规范化我的数据集。现在，一旦我保存了我的模型，我想知道如何将这些转换应用到一个新的数据点，这样我就可以把它输入到模型中并得到一个预测。在

我救的是

finalmodel.pkl
finalmodel.sav
statistics.csv

统计表和每个标准列的平均偏差。标准化通常是用平均值减去标准差后的除以标准差，还是sklearn采用了其他策略？在

Answer 1

与所使用的规范化系统无关，sklearn.preprocessing.normalize还提供参数return_norm，您可以将其设置为True并存储用于以后使用的规范。在

下面是一个使用L2（又名Taxicab distance）的示例：

from sklearn.preprocessing import normalize
import numpy as np

x = np.array([[3, 4], [5, 6]])
values, norms = normalize(x, norm='l1', return_norm=True)

现在您将注意到：

^{pr2}$

现在，就像检查一样，将一个数组项除以相应的列规范：

3/7

Out[20]:  0.42857142857142855