- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我使用 preprocessing.standardscaler 在 sklearn 中标准化了我的数据。问题是如何将其保存在我的本地以备后用?
谢谢
最佳答案
如果我对你的理解是正确的,你想保存你训练好的模型以便它可以再次加载正确吗?
有两种方法,一种是使用python的pickle
,一种是使用joblib
。推荐的方法是 joblib
,因为这会产生比 pickle 小得多的文件,pickle 会转储对象的字符串表示形式:
from sklearn.externals import joblib
joblib.dump(clf, 'filename.pkl')
#then load it later, remember to import joblib of course
clf = joblib.load('filename.pk1')
参见 online docs
注意:sklearn.externals.joblib
已弃用。安装并使用纯 joblib
代替
关于python - 如何输出sklearn standardscaler,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23201339/
我有一些数据结构如下,试图根据特征预测 t。 train_df t: time to predict f1: feature1 f2: feature2 f3:...... t 是否可以使用 Stan
我正在使用 sklearn StandardScaler 来转换/规范化数据,如下所示: scaler = StandardScaler() data = scaler.fit_transform(d
既然使用sklearns的StandardScaler对初始数据进行了归一化,那么初始数据不再相同,这不是有问题吗? 示例: from sklearn.preprocessing import Sta
我正在尝试使用 StandardScaler 来缩放神经网络的特征。 假设神经网络具有以下特征: 1.0 2.0 3.0 4.0 5.0 6.0 4.0 11.0 12.0 etc .
我使用 preprocessing.standardscaler 在 sklearn 中标准化了我的数据。问题是如何将其保存在我的本地以备后用? 谢谢 最佳答案 如果我对你的理解是正确的,你想保存你训
我无法理解 page sklearn 文档中的 StandardScaler。 谁能简单的给我解释一下? 最佳答案 简介 我假设您有一个矩阵 X,其中每个 行/行 是一个 样本/观察 并且每个 列 是
我不明白为什么这个神经轴管道不起作用。 我只想要缩放数据并应用 LinearSVC。 我做错了什么? 这就是我想要做的: import numpy as np from sklearn.ensembl
我正在使用一个模型,在分成训练和测试之后,我想应用 StandardScaler()。但是,此转换将我的数据转换为数组,我想保留以前的格式。我该怎么做? 基本上,我有: from sklearn.pr
所以我所理解的是 StandardScaler().fit_transform(X, y) 不会更改目标特征 (y)。同时,对于某些算法(例如基于权重或基于距离的算法)我们还需要对目标特征进行缩放。
我正在使用一个模型,在分成训练和测试之后,我想应用 StandardScaler()。但是,此转换将我的数据转换为数组,我想保留以前的格式。我该怎么做? 基本上,我有: from sklearn.pr
所以我所理解的是 StandardScaler().fit_transform(X, y) 不会更改目标特征 (y)。同时,对于某些算法(例如基于权重或基于距离的算法)我们还需要对目标特征进行缩放。
是否有一种Python式的方法可以将sklearn的StandardScaler实例链接在一起以独立地按组缩放数据?即,如果我想找到独立缩放虹膜数据集的特征;我可以使用以下代码: from sklea
我有一个具有以下形状的数据集: X =(样本,4) y =(样本,) 我正在使用 sckikit-learn 中的 StandardScaler 来标准化 X 的数据 我想使用 X 数据集四列之一中使
我有一个 numpy 数组 X,它有 3 列,如下所示: array([[ 3791, 2629, 0], [ 1198760, 113989,
我不是来自统计学,但是通过使用机器学习和神经网络进行一项工作,我发现缩放数据会产生很多危害。据我所知,在训练测试之前缩放数据并不是一个好的选择,但是请看一下这个在训练测试分离之后进行缩放的例子。 im
我正在使用 StandardScaler 来缩放我的数据,如教程中所示。但它不起作用。 我尝试复制教程中使用的相同代码,但仍然显示错误。 from sklearn.preprocessing impo
我使用 sklearn standardscaler(均值去除和方差缩放)来缩放数据框,并将其与我“手动”减去均值并除以标准差的数据框进行比较。比较显示一致的小差异。谁能解释为什么?(我使用的数据集是
我有一个从以前的模型中保存的 sklearn StandardScaler,我正在尝试将其应用于新数据 scaler = myOldStandardScaler print("ORIG:", X) p
这个问题在这里已经有了答案: pandas dataframe columns scaling with sklearn (7 个答案) 关闭 9 个月前。 我想使用 sklearn 的 Stand
我有一个如下所示的 DataFrame: +-----+--------------------+ | uid| features| +-----+--------------
我是一名优秀的程序员,十分优秀!