数据规范化后如何使用K-最近邻（KNN）模型进行预测（Python）

我在Python Module=Scikitlearn中创建了一个KNN模型，使用三个变量年龄、距离、旅行津贴作为预测变量，目的是使用它们预测目标变量旅行方法的结果

在构建模型时，我必须对三个预测变量（年龄、距离、旅行津贴）的数据进行标准化。与不规范化数据相比，这提高了模型的准确性

现在我已经建立了模型，我想做一个预测。但是，我如何输入预测变量来进行预测，因为模型已经在标准化数据上进行了训练

我想输入KNN.predict[[302000,40]]来执行年龄=30的预测；距离=2000；津贴=40。但由于数据已经标准化，我想不出一个方法来实现这一点。我使用以下代码规范化数据：

---

X=preprocessing.StandardScaler.fitX.transformX.astypefloat

实际上，答案隐藏在您提供的代码中

安装preprocessing.StandardScaler实例后，它会记住如何缩放数据。试试这个

scaler = preprocessing.StandardScaler().fit(X)
# scaler is an object that knows how to normalize data points
X_normalized = scaler.transform(X.astype(float))
# used scalar to normalize the data points in X
# Note, this is what you have done, just in two steps. 
# I just capture the scaler object 
#
# ... Train your model on X_normalized
#
# Now predict
other_data = [[30,2000,40]]
other_data_normalized = scaler.transform(other_data)
KNN.predict(other_data_normalized)

请注意，我以相同的方式使用了scaler.transform两次

---

请参见

嗨，迈克尔-这很好用，谢谢！我不知道Python还记得数据规范化的方式。