sklearn minmaxscaler 移植到不同的笔记本答案

【问题标题】：sklearn minmaxscaler ported to a different notebooksklearn minmaxscaler 移植到不同的笔记本
【发布时间】：2017-09-19 02:38:34
【问题描述】：

我将如何下载 min_max_scaler 属性以便我可以将相同的转换应用于不同笔记本中的数据？

为了全面披露，我已经在一个笔记本中训练了一个 NN，并在不同的位置运行它。将训练好的 NN 权重加载到第二个位置对我来说很简单，但我需要在将数据输入模型之前对其进行缩放。准确地说，我相信它必须使用原始比例属性。

【问题讨论】：

多读一点文档，我是否只需将新数据减去 min_max_scaler.min_，然后除以 min_max_scaler.scale_？
不能直接用pickle保存对象吗？如果没有代码，这个问题就太宽泛了。

标签： import scikit-learn scaling preprocessor

【解决方案1】：

根据documentation，您可以使用

重新创建 min max scaler 所做的事情

X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
X_scaled = X_std * (max - min) + min

其中 X 是您的原始数据集。（虽然只要你的特征范围是默认的（0,1），上面的第二行就不需要了——你会得到X_scaled = X_std）

如果您想使用已训练的 MaxMinScaler 而不是原始数据集进行相同的计算，请考虑以下示例（再次假设特征范围保留为默认值 (0,1)）

from sklearn.preprocessing import MinMaxScaler
import pandas as pd
import numpy as np

# Test data set
X = pd.DataFrame(np.random.randint(0, 100, size=(20,4)))

# Test scaler
scaler = MinMaxScaler()
sklearn_result = scaler.fit_transform(X)

# Compute, and verify results match up to machine precision
manual_result = (X - scaler.data_min_)/(scaler.data_max_ - scaler.data_min_)
(sklearn_result - test).max().max() . # Is around 10e-16

【讨论】：