当我使用最小最大定标数据训练模型时，如何使用最小最大定标器预测单个数据样本？

Question

如similar question中所述，一组样本可以轻松测试数据。如果用户必须预测单个样本的目标，则如何进行。请帮忙。

谢谢。

Answer 1

# training data
X_train = np.array([[1, 2], [3, 4], [5, 6]])
y_train = np.array([1, 0])

# scaler
scaler = MinMaxScaler().fit(X_train)

缩放X_train：

X_train_scaled = scaler.transform(X_train)

使用X_train_scaled和y_train ...训练模型]

基于新样本np.array([7, 8])的预测：
new_sample = np.array([7, 8]).reshape(1, -1)  # because the scaler expects a 2D array
scaler.transform(new_sample)  # pass this to model.predict()

编辑：
最小-最大标准化如何工作：
以下变换应用于每个特征(Wikipedia Link)：
我们将其应用于X_train
X_train = np.array([[1, 2], [3, 4], [5, 6]])

array([[1, 2],
       [3, 4],
       [5, 6]])

# min, max
mn = np.min(X_train, axis=0)  # array([1, 2])
mx = np.max(X_train, axis=0)  # array([5, 6])

计算缩放版本：

(X_train - mn) / (mx - mn)

array([[0. , 0. ],
   [0.5, 0.5],
   [1. , 1. ]])

以上匹配结果：

scaler = MinMaxScaler().fit(X_train)
X_train_scaled = scaler.transform(X_train)

array([[0. , 0. ],
       [0.5, 0.5],
       [1. , 1. ]])

当提供新的输入向量时，应使用上面的mn和mx值应用相同的变换

new_smaple = np.array([7, 8]).reshape(1, -1)
(new_sample - mn) / (mx - mn)

array([[1.5, 1.5]])

与scaler.transform(new_sample)的输出匹配

此外，您也可以使用匹配上述scaler.data_min_和scaler.data_max_的mn和mx从适合的MinMaxScaler对象中提取最小值，最大值。