python - sklearn preprocessing.scale() 函数，什么时候使用它？

Question

我正在使用sklearn.neural_network.MLPClassifier构建神经网络:

   clf =  sklearn.neural_network.MLPClassifier(hidden_layer_sizes= (11,11,11),max_iter = 500)

在训练它之前，我使用

从现有的提取器中创建一个新的提取器

preprocessing.scale() 

像这样:

labels = someDataBase.loadLabels()
fetchers = someDataBase.loadFetchers()
fetchers = preprocessing.scale(fetchers)

然后使用train_test_split函数，创建测试和训练值，如下所示:

 X_train, X_test, y_train, y_test = train_test_split(fetchers,labels,test_size = 0.2)

然后我将其提供给 MLPClassifier 的拟合函数

clf.fit(X_train, y_train)

现在我有了一个经过训练的神经网络

我想用它来预测新的 getter 使用 MLPClassifier 的预测方法此 getter 不是测试 getter ，它们是全新值

我应该再次使用 preprocessing.scale() 吗？然后将它们输入预测方法？或者只是按原样使用它们？

Answer 1

我们的方法可能会给出不同的缩放因子。它适用于单个扩展作业，但不适用于需要一致转换的作业。

我建议您更愿意使用sklearn.preprocessing.StandardScaler。它有很好的文档记录并有示例 here 。训练时调用 fit_transform 方法，预测时调用 transform 方法。