发布于2019-11-11 14:18 阅读(1316) 评论(0) 点赞(7) 收藏(5)
我已经创建了如下管道(使用Keras Scikit-Learn API)
estimators = []
estimators.append(('standardize', StandardScaler()))
estimators.append(('mlp', KerasRegressor(build_fn=baseline_model, nb_epoch=50, batch_size=5, verbose=0)))
pipeline = Pipeline(estimators)
并适合
pipeline.fit(trainX,trainY)
如果我使用进行预测pipline.predict(testX)
,则(相信)我得到了标准化的预测。
我如何进行预测testX
,predictedY
使其与实际(未涉及)的比例相同testY
(即,不是标准化的预测,而是实际值)?我看到有inverse_transform
一种用于Pipeline的方法,但是似乎仅用于还原转换后的方法X
。
究竟。管道中的StandardScaler()仅映射pipe.fit(trainX,trainY)的输入(trainX)。
因此,如果您将模型拟合为近似trainY,并且还需要对其进行标准化,则应将trainY映射为
scalerY = StandardScaler().fit(trainY) # fit y scaler
pipeline.fit(trainX, scalerY.transform(trainY)) # fit your pipeline to scaled Y
testY = scalerY.inverse_transform(pipeline.predict(testX)) # predict and rescale
inverse_transform()函数考虑标准偏差和在StandardScaler()。fit()中计算出的均值来映射其值。
正如您所提到的,您始终可以在不缩放Y的情况下拟合模型,但这可能会很危险,具体取决于您的数据,因为它可能导致模型过度拟合。您必须测试它;)
作者:黑洞官方问答小能手
链接:https://www.pythonheidong.com/blog/article/150186/43a73939630a599e23b6/
来源:python黑洞网
任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任
昵称:
评论内容:(最多支持255个字符)
---无人问津也好,技不如人也罢,你都要试着安静下来,去做自己该做的事,而不是让内心的烦躁、焦虑,坏掉你本来就不多的热情和定力
Copyright © 2018-2021 python黑洞网 All Rights Reserved 版权所有,并保留所有权利。 京ICP备18063182号-1
投诉与举报,广告合作请联系vgs_info@163.com或QQ3083709327
免责声明:网站文章均由用户上传,仅供读者学习交流使用,禁止用做商业用途。若文章涉及色情,反动,侵权等违法信息,请向我们举报,一经核实我们会立即删除!