在sklearn python中撤消L2规范化

Question

一旦我使用sklearn l2规范化器对我的数据进行标准化并将其用作训练数据：如何将预测输出恢复为“原始”形状？

在我的例子中，我使用标准化住房价格作为y，并将生活空间标准化为x。 每个用于适合自己的X_和Y_Normalizer。

因此y_predict也处于规范化形状，如何进入原始原始货币状态？

谢谢。

Answer 1

如果你正在谈论规范化矩阵线的sklearn.preprocessing.Normalizer ，遗憾的是除非你在某处手工存储它们，否则无法回到原始规范。

如果您正在使用sklearn.preprocessing.StandardScaler ，进行规范化列 ，那么你就可以得到你需要回去在定标器的属性值（ mean_如果with_mean设置为True和std_ ）

如果您在管道中使用规范化器，则无需担心这一点，因为您不会在适当的位置修改数据：

from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import Normalizer

# classifier example
from sklearn.svm import SVC

pipeline = make_pipeline(Normalizer(), SVC())

Answer 2

非常感谢您的回答，之前我不知道管道功能

对于L2规范化的情况，你可以手动完成。 以下是小数组的一个示例：

x = np.array([5, 8 , 12, 15])

#Using Sklearn
normalizer_x = preprocessing.Normalizer(norm = "l2").fit(x)
x_norm = normalizer_x.transform(x)[0]
print x_norm

>array([ 0.23363466,  0.37381545,  0.56072318,  0.70090397])

或者用正方形的平方根的重量手动完成：

#Manually
w = np.sqrt(sum(x**2))
x_norm2 = x/w
print x_norm2

>array([ 0.23363466,  0.37381545,  0.56072318,  0.70090397])

因此，通过乘以“w”，将它们“回”到原始甲酸酯是很简单的。