如何存儲縮放參數以備后用

Question

我想應用scikit-learn提供的縮放sklearn.preprocessing.scale模塊來集中我將用來訓練 svm 分類器的數據集。

然后我如何存儲標准化參數，以便我也可以將它們應用於我想要分類的數據？

我知道我可以使用標准standarScaler但是我可以以某種方式將它序列化到一個文件中，這樣每次我想運行分類器時standarScaler它與我的數據相匹配嗎？

Answer 1

我認為最好的方法是在fit后腌制，因為這是最通用的選擇。 也許您稍后會創建一個由特征提取器和縮放器組成的管道。 通過酸洗（可能是復合的）階段，您可以使事情變得更加通用。 關於模型持久性的sklearn 文檔討論了如何做到這一點。

話雖如此，您可以查詢sklearn.preprocessing.StandardScaler以獲取擬合參數：

scale_ : ndarray, shape (n_features,) 每個特征數據的相對縮放。 0.17 新版功能：推薦使用 scale_ 而不是不推薦使用的 std_。 mean_ ：形狀為 [n_features] 的浮點數組，訓練集中每個特征的平均值。

以下簡短片段說明了這一點：

from sklearn import preprocessing
import numpy as np

s = preprocessing.StandardScaler()
s.fit(np.array([[1., 2, 3, 4]]).T)
>>> s.mean_, s.scale_
(array([ 2.5]), array([ 1.11803399]))

Answer 2

使用標准縮放器縮放

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(data)
scaled_data = scaler.transform(data)

保存 mean_ 和 var_ 以備后用

means = scaler.mean_ 
vars = scaler.var_    

（您可以打印和復制粘貼方式和變量或使用 np.save 保存到磁盤....）

以后使用保存的參數

def scale_data(array,means=means,stds=vars **0.5):
    return (array-means)/stds

scale_new_data = scale_data(new_data)

Answer 3

酸洗通常是一個壞主意，至少在生產中（ https://github.com/numpy/numpy/blob/b88b2c0c19851810d4ee07f03a7734b6e19dbdaa/numpy/lib/npyio.py#L472 ），所以我使用另一種方法：

# scaler is fitted instance of MinMaxScaler
scaler_data_ = np.array([scaler.data_min_, scaler.data_max_])
np.save("my_scaler.npy", allow_pickle=False, scaler_data_)

#some not scaled X
Xreal = np.array([1.9261148646249848, 0.7327923702472628, 118, 1083])

scaler_data_ = np.load("my_scaler.npy")
Xmin, Xmax = scaler_data_[0], scaler_data_[1]
Xscaled = (Xreal - Xmin) / (Xmax-Xmin)
Xscaled
# -> array([0.63062502, 0.35320565, 0.15144766, 0.69116555])

Answer 4

您可以使用 joblib 模塊來存儲縮放器的參數。

from joblib import dump
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(data)
dump(scaler, 'scaler_filename.joblib')

稍后您可以加載定標器。

from joblib import load
scaler = load('scaler_filename.joblib')
transformed_data = scaler.transform(new_data)