Python [sklearn][standardscaler]我可以为模型输出反转standardscaler吗?
我有一些数据结构如下,试图从特征预测Python [sklearn][standardscaler]我可以为模型输出反转standardscaler吗?,python,scikit-learn,scale,Python,Scikit Learn,Scale,我有一些数据结构如下,试图从特征预测t train_df t: time to predict f1: feature1 f2: feature2 f3:...... t是否可以用StandardScaler进行缩放,因此我转而预测t',然后反转StandardScaler以获取实时数据 例如: from sklearn.preprocessing import StandardScaler scaler = StandardScaler() scaler.fit(train_df['t'
t
train_df
t: time to predict
f1: feature1
f2: feature2
f3:......
t
是否可以用StandardScaler进行缩放,因此我转而预测t'
,然后反转StandardScaler以获取实时数据
例如:
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(train_df['t'])
train_df['t']= scaler.transform(train_df['t'])
运行回归模型
检查分数
!!用实时值(反向标准定标器)检查预测的t’是的,它可以方便地调用
文档提供了它的使用示例。以下是示例代码。您可以将此处的
数据
替换为train_df['colunm_name']
。
希望能有帮助
from sklearn.preprocessing import StandardScaler
data = [[1,1], [2,3], [3,2], [1,1]]
scaler = StandardScaler()
scaler.fit(data)
scaled = scaler.transform(data)
print(scaled)
# for inverse transformation
inversed = scaler.inverse_transform(scaled)
print(inversed)