は、次の手順で

Question

トレーニングデータを標準化した後、私は、線形回帰モデル（または任意の他のモデル）を構築するためにSklearnを使用していますsklearnを使用して、新しいデータを予測：

X_trainとY_trainが

トレーニングデータです

1. X_train = preprocessing.scale(X_train) 
   

2. トレーニングデータを標準化は

   モデルに適合します

   model.fit(X_train, Y_train) 
   

モデルをスケールデータに合わせたら、フィットモデルを使用して新しいデータ（一度に1つまたは複数のデータポイント）を予測するにはどうすればよいですか？私が使用しています何

は、私がpreprocessing.scaleで変換関数をしないのです考えるデータは

NewData_Scaled = preprocessing.scale(NewData) 

PredictedTarget = model.predict(NewData_Scaled) 

データを予測

1. スケールでありますそう私は訓練されたモデルでそれを保存し、それを新しい目に見えないデータに適用することができますか？助けてください。

Answer 1

these docsをご覧ください。

前処理モジュールのStandardScalerクラスを使用すると、トレーニングデータのスケーリングを記憶して将来の値に適用できます。

from sklearn.preprocessing import StandardScaler 
X_train = np.array([[ 1., -1., 2.], 
        [ 2., 0., 0.], 
        [ 0., 1., -1.]]) 
scaler = preprocessing.StandardScaler().fit(X_train) 

scaler

各機能を標準化することを意味し、スケーリング係数を計算しました。データセットに適用する

>>>scaler.mean_ 
array([ 1. ..., 0. ..., 0.33...]) 
>>>scaler.scale_          
array([ 0.81..., 0.81..., 1.24...]) 

：

import numpy as np 

X_train_scaled = scaler.transform(X_train) 
new_data = np.array([-1., 1., 0.])  
new_data_scaled = scaler.transform(new_data) 
>>>new_data_scaled 
array([[-2.44..., 1.22..., -0.26...]])