2024-09-27 09:23:46 发布
网友
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
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:
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
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:
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:
相关问题 更多 >
编程相关推荐