1回答
我正在尝试缩放一个变量，使其均值为零，标准差为0.5(!)。在我能找到的最接近的地方，sklearn.preprocessing.StandardScaler似乎是不可修改的--或者我错过了什么？是否有其他现有的缩放器用于此目的-或者这里最容易做的事情是什么(除了手动完成;) )？
浏览 21提问于2021-03-09得票数 0
回答已采纳
sklearn.preprocessing模块中的标准缩放器和规范器有什么不同？两个人不是做同样的事情吗？也就是说，使用偏差去除均值和刻度？
浏览 2提问于2016-08-24得票数 38
sklearn版本= 0.24.2我正在使用每天的数据分布来拟合一个标准的缩放器。我想检查一下安装在20210501和20210502上的标准定标器是不是一样。这样做的原因是因为我需要保存适合的缩放器，以便在新数据进入我的ML serving API时进行缩放。
谢谢!
浏览 9提问于2021-05-17得票数 1
回答已采纳
Temperature','Usage amount']X = df[feature_cols] 然后，我使用sklearn中的时间序列拆分将我的数据拆分成训练和测试tss = TimeSeriesSplit(n_splits:], X.iloc[test_index,:]
y_train, y_test =
浏览 22提问于2020-05-12得票数 1
回答已采纳
我缩放了一个数据集，它一直工作得很好，但我希望快速缩放新的数据条目，而不必重新缩放现有数据，因为我不希望现有的缩放改变。有没有办法根据现有的缩放器知道数据集的缩放值？如果我只使用一个标准的定标器，这就是我如何实现的： import pandas as pddfTestscaler.transform([[90.0]])
浏览 27提问于2020-10-14得票数 0
这段代码：from sklearn.preprocessing import StandardScalery = 'some_target'
A = Ridge(normalizeTo reproduce the previous behavior:
from <em
浏览 4提问于2022-09-02得票数 3
回答已采纳
我所遵循的教程说所以我在sklearn文档中查找了函数。“通过删除均值和缩放到单位方差来标准化特性”https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.StandardScaler.html什么是缩放数据？很难用谷歌搜索。
# Scale the data
浏览 0提问于2019-08-28得票数 0
回答已采纳
1回答
如何将sklearn缩放器应用于pandas数据帧的所有行。这个问题与相关。如何将sklearn缩放器应用于一行的所有值？注意:我知道对于特性缩放来说，在列中包含特性和按列缩放特性是很正常的，就像refenced问题中那样。然而，我想使用sklearn标度器来预处理可视化数据，在我的例子中，按行扩展是合理的。
浏览 11提问于2019-11-13得票数 1
回答已采纳
我习惯于以以下方式运行sklearn的标准scaler：scaler = StandardScaler然后，我可以使用相同的定标器来缩放测试数据集X_test中的特性。scaled_X_test = scaler.transform(X_test)from sklearn</e
浏览 3提问于2022-06-14得票数 1
回答已采纳
2回答
一旦缩放，我想恢复原始数据。这个是可能的吗？如果没有，我如何才能从原始数据中得到相应的信息。这里是一个玩具例子from sklearn.preprocessing import scale
iris = load_iris
浏览 0提问于2015-11-30得票数 3
回答已采纳
我曾经相信scikit-learn的分类器(以及)会在训练前自动标准化我的数据。为了测试我的假设，我决定手动缩放X的特性如下：scaler = StandardScaler()X_std = scaler.transform(X)from sklearn.linear_model import LogisticRegression也就
浏览 2提问于2016-05-26得票数 4
以下是简化的代码：from sklearn.linear_model import LogisticRegressionfrom sklearn.compose import ColumnTransformer
from sklearn.preprocessing import OneHotEncoder(例如，标准缩放，稳健缩放等等)。在尝试了所有
浏览 1提问于2020-09-02得票数 1
我还想扩展/标准化我的输入功能。
在执行交叉验证之前，使用单个变换对整个训练数据集进行缩放会导致数据泄漏:在交叉验证中，训练数据集被分为k个折叠，每个折叠被视为验证数据集一次，而其余的则是训练折叠。然而，如果标准化是在对整个训练数据集进行交叉验证之前完成的，则每个折叠(包括验证折叠)将使用从整个训练数据集计算的参数(例如，均值和标准差)进行缩放，因此在某种程度上，训练折叠总是“知道一些”关于验证折叠的信息因此，缩放数据的正确方法是分别计算和应用每个交叉验证折叠的缩放</
浏览 1提问于2018-03-14得票数 1
1回答
对于下列哪一项应用于标准化，我感到困惑：方法2:从sklearn.preprocessing导入StandardScalersc.fit_transform (X_test) #scaler_test=sc.fit(X_test) #X_te
浏览 0提问于2020-09-17得票数 1
1回答
我正在修改我的应用程序以支持高DPI值(100%/96dpi以上)。我修改了应用程序的清单文件，使其包括：我能够处理我自己的应用程序表单的所有新闻部缩放，但我如何处理标准窗口对话框(字体选择器，打开的文件，文件夹浏览器等是否有一种方法可以手动通知窗口，我只希望这些对话框自动缩放到较高的DPI？*更新*
在使用"SetThreadDpiAwarene
浏览 3提问于2017-06-22得票数 0
我正在进行预测建模，我需要预测一个在线客户最终是否会在一个网站上购买一个产品，我使用的是随机森林分类器和支持向量机，因为这是一个分类问题。在创建了用于培训、测试和验证集的拟合分块之后，我对数据进行了虚拟、标准化和规范化。然而，当我将集合规范化之后，它们的价值就都变成了负值。有没有办法改变这种状况，为什么会发生这种情况？
浏览 10提问于2022-06-10得票数 -1
1回答
我试图理解在我的数据中应用正规化器或应用MinMaxScaler或两者的效果。我已经阅读了SKlearn中的文档，并看到了一些使用示例。我知道MinMaxScaler很重要(对扩展特性很重要)，但是规范器呢？
我一直不清楚在我的数据中使用Normamlizer的实际结果。MinMaxScaler是按列应用的，正规化器是按行进行的.这意味着什么？我是应该使用规范化器，还是只使用MinMaxScale，还是两者都使用？
浏览 10提问于2021-06-11得票数 1
回答已采纳
1回答
我训练了一个具有缩放特征的SVM scikit-learn模型，并将其持久化以供以后使用。在另一个文件中，我加载了保存的模型，并希望提交一组新的特征来执行预测。我必须缩放这组新功能吗？问题在于使用经过缩放特征训练的持久化SVM模型进行单一预测。知道我做错了什么吗？
浏览 20提问于2019-07-01得票数 1
当我尝试使用标准缩放器缩放我的数据时，模型给出了一个错误的预测：st=StandardScaler(tes = np.asarray(arry)svc_load.predict(se)但使用相同的输入，但不缩放数据我使用的是GaussianNB分类器。
浏览 0提问于2021-05-24得票数 0
一般来说，最好在规范化之前应用标准化(z-打分训练数据)。当“惩罚”参数设置为“none”(即“L2”、“L2”或“elasticnet”)以外的值时，sklearn.linear_model.SGDClassifier是否会自动标准化培训数据？
浏览 0提问于2019-12-19得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
