SVM 分类器模型上的 StandardScaler 问题答案

【问题标题】：Problem with StandardScaler on SVM classifier modelSVM 分类器模型上的 StandardScaler 问题
【发布时间】：2021-08-14 04:33:09
【问题描述】：

我使用支持向量机作为金融市场数据的分类器

我有一个包含 1500 条数据记录的数据库

然后我进行预处理和划分以及训练和测试

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.3, random_state = 42, stratify = y)

scaler = StandardScaler()

X_train = scaler.fit_transform(X_train)

X_test = scaler.transform(X_test)

但为了保持良好的控制，我用泡菜保存了训练文件

然后我用新数据（大约 150 个）将文件上传到另一个数据库

我还对新数据执行标准缩放器

当我运行模型并执行准确性测试时，我得到了 60%，例如

我的问题是当我增加这个新数据库时，从 150 增加到 151、152、153 等等

当增加新数据时，我注意到模型失去了准确性，甚至以前的分类也不同，当我将它分类为 1 时，它是 0，或者相反

我怀疑对于新数据，缩放数据的维度会变得不同

我希望在插入新数据时，以前的数据没有新的评分 0 和 1，因此会降低我的初始准确性

谁能帮忙解决这个问题？

【问题讨论】：

请花一点时间看看如何正确格式化您的代码 sn-ps（不是为斜体文本）。

标签： python machine-learning scikit-learn svm

【解决方案1】：

由于信息不足，我们自然只能推测。问题是，我从它的预测发生变化的事实中推断出，你不是简单地用当前的缩放器转换新数据，而是你正在拟合然后转换数据。因此，长话短说，您需要将缩放器导出为泡菜，然后在处理新数据时加载它并简单地转换（不合适！）这些 [150, 151, ...] 实例。

【讨论】：