我有一个sklearnStandardScaler从以前的模型中保存下来,并试图将其应用于新数据scaler = myOldStandardScaler
print("ORIG:", X)
print("CLASS:", X.__class__)
X = scaler.fit_transform(X)
print("SCALED:", X)
我有三个观察结果,每个都有2000个特征。如果我单独运行每个观察值,我得到的输出是全零。在
^{pr2}$
但是如果我把这三个观测值都加到一个数组中,我就会得到我想要的结果ORIG: [[ 0.00000000e+00 8.69737728e-08 7.53361877e-06 ..., 0.00000000e+00
0.00000000e+00 0.00000000e+00]
[ 9.49627142e-04 0.00000000e+00 0.00000000e+00 ..., 0.00000000e+00
0.00000000e+00 0.00000000e+00]
[ 3.19029839e-04 0.00000000e+00 1.90985485e-06 ..., 0.00000000e+00
0.00000000e+00 0.00000000e+00]]
CLASS:
SCALED: [[-1.07174217 1.41421356 1.37153077 ..., 0. 0. 0. ]
[ 1.33494964 -0.70710678 -0.98439142 ..., 0. 0. 0. ]
[-0.26320747 -0.70710678 -0.38713935 ..., 0. 0. 0. ]]
我见过这两个问题:
这两个问题都没有一个公认的答案。在
我试过:从(1,n)整形到(n,1)(这会产生不正确的结果)
将数组转换为np.float32和np.float64(仍然全部为零)
创建一个数组的数组(同样,都是零)
创建一个np.matrix(同样,都是零)
我错过了什么?fit_transform的输入得到相同的类型,只是大小不同。在
如何让StandardScaler使用单个观察值?