Python sklearn preprocessing.scale()函数,何时使用?
我正在使用sklearn.neural\u network.mlpclassizer构建一个神经网络:Python sklearn preprocessing.scale()函数,何时使用?,python,machine-learning,scikit-learn,neural-network,Python,Machine Learning,Scikit Learn,Neural Network,我正在使用sklearn.neural\u network.mlpclassizer构建一个神经网络: clf = sklearn.neural_network.MLPClassifier(hidden_layer_sizes= (11,11,11),max_iter = 500) 在培训之前,我将使用 preprocessing.scale() 像这样: labels = someDataBase.loadLabels() fetchers = someDataBase.load
clf = sklearn.neural_network.MLPClassifier(hidden_layer_sizes= (11,11,11),max_iter = 500)
在培训之前,我将使用
preprocessing.scale()
像这样:
labels = someDataBase.loadLabels()
fetchers = someDataBase.loadFetchers()
fetchers = preprocessing.scale(fetchers)
使用train\u test\u split
功能,从中创建测试列值,如下所示:
X_train, X_test, y_train, y_test = train_test_split(fetchers,labels,test_size = 0.2)
然后我把它输入到MLPC分类器的fit函数中
clf.fit(X_train, y_train)
现在我有了一个经过训练的神经网络
我想用它来预测一个新的抓取器
使用MLP分类器的预测方法
此抓取器不是测试抓取器,而是全部新值
我应该再次使用preprocessing.scale()吗?
然后把它们输入预测方法?
或者直接使用它们?У我们的方法可能会给出不同的比例因子。它适用于单个缩放作业,但不适用于需要一致转换的作业 我建议您使用
sklearn.preprocessing.StandardScaler
。它有很好的文档记录和示例。
训练时调用fit\u transform
方法,预测时只调用transform