Я использую модель MinMaxScaler в sklearn для нормализации функций модели.Сохранить модель скалера в sklearn
training_set = np.random.rand(4,4)*10
training_set
[[ 6.01144787, 0.59753007, 2.0014852 , 3.45433657],
[ 6.03041646, 5.15589559, 6.64992437, 2.63440202],
[ 2.27733136, 9.29927394, 0.03718093, 7.7679183 ],
[ 9.86934288, 7.59003904, 6.02363739, 2.78294206]]
scaler = MinMaxScaler()
scaler.fit(training_set)
scaler.transform(training_set)
[[ 0.49184811, 0. , 0.29704831, 0.15972182],
[ 0.4943466 , 0.52384506, 1. , 0. ],
[ 0. , 1. , 0. , 1. ],
[ 1. , 0.80357559, 0.9052909 , 0.02893534]]
Теперь я хочу, чтобы использовать тот же скейлер для нормализации тестового набора:
[[ 8.31263467, 7.99782295, 0.02031658, 9.43249727],
[ 1.03761228, 9.53173021, 5.99539478, 4.81456067],
[ 0.19715961, 5.97702519, 0.53347403, 5.58747666],
[ 9.67505429, 2.76225253, 7.39944931, 8.46746594]]
Но я не хочу, так что используйте scaler.fit() с обучающими данными всего время. Есть ли способ сохранить скалер и загрузить его позже из другого файла?
По какой-то причине, когда я использую это для сохранения 'MinMaxScaler', загруженный сканер не масштабирует данные идентично только что установленному масштабируемому. Любая идея почему? – BallpointBen
@BallpointBen Просто попробовал это на отдельном тестовом наборе и получил те же результаты. Возможно, вы снова использовали 'np.random.rand'? –