sklearn preprocessing.scale() 函数，何时使用？答案

【问题标题】：sklearn preprocessing.scale() function , when to use it?sklearn preprocessing.scale() 函数，何时使用？
【发布时间】：2020-01-23 01:31:38
【问题描述】：

我正在使用sklearn.neural_network.MLPClassifier 构建一个神经网络：

   clf =  sklearn.neural_network.MLPClassifier(hidden_layer_sizes= (11,11,11),max_iter = 500)

在训练它之前，我正在使用

从现有的提取器中创建一个新的提取器

preprocessing.scale()

像这样：

labels = someDataBase.loadLabels()
fetchers = someDataBase.loadFetchers()
fetchers = preprocessing.scale(fetchers)

从他们那里，使用train_test_split 函数，创建一个训练值的测试，如下所示：

 X_train, X_test, y_train, y_test = train_test_split(fetchers,labels,test_size = 0.2)

然后我将它提供给 MLPClassifier 的拟合函数

clf.fit(X_train, y_train)

现在我有一个训练有素的神经网络

我想用它来预测基于新提取器的基础使用 MLPClassifier 的 predict 方法这个提取器不是测试器，它们是全新的值

我应该再次使用 preprocessing.scale() 吗？然后将它们输入预测方法？还是按原样使用它们？

【问题讨论】：

【解决方案1】：

我们的方法可能会给出不同的比例因子。它适用于单一扩展作业，但不适用于需要一致转换的作业。

我建议你宁愿使用sklearn.preprocessing.StandardScaler。它有很好的文档记录，并有示例here。训练时调用fit_transform方法，预测时调用transform。

【讨论】：