机器学习在使用sklearn进行归一化时,如何保存归一化参数

 

from sklearn.preprocessing import MinMaxScaler

# 创建归一化对象
scaler = MinMaxScaler()

# 构造一个二维数组X
X = [[6, 3, 2],
     [7, 4, 3],
     [9, 2, 2]]

# 对数据进行归一化处理
X_normalized = scaler.fit_transform(X)
import pickle

# 保存归一化函数
with open('scaler.pkl', 'wb') as f:
    pickle.dump(scaler, f)
import pickle

# 加载归一化函数
with open('scaler.pkl', 'rb') as f:
    scaler = pickle.load(f)

# 假设我们有一条新的房屋数据需要进行预测
new_house = [[1800, 3, 2]]

# 使用加载的归一化函数对新数据进行归一化处理
new_house_normalized = scaler.transform(new_house)

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值