你可以简单地记住 mean_ 和 scale_。
- 因此,在你拟合(计算均值和标准差)你的 StandardScaler 之后,打印出 mean 和 scale。
scaler = StandardScaler()
X = scaler.fit_transform(X)
print("Scaler mean: ", scaler.mean_)
print("Scaler scale: ", scaler.scale_)
在我的例子中,输出看起来像这样:
缩放器平均值:[9.52058421e-01 -6.98286619e-03 -4.14269899e-01 -1.40126971e-01
-8.17856250e+00 5.50322867e+01]
缩放器比例:[0.6635306 0.29163553 0.65517668 23.05331473 36.66616542 43.53057184]
- 当您需要再次使用缩放器进行预测时(scaler1是新的缩放器,以确保不使用旧的缩放器):
scaler1 = StandardScaler()
scaler1.mean_ = np.array([ 9.52058421e-01, -6.98286619e-03, -4.14269899e-01, -1.40126971e-01, -8.17856250e+00, 5.50322867e+01])
scaler1.scale_ = np.array([ 0.6635306, 0.29163553, 0.65517668, 23.05331473, 36.66616542, 43.53057184])
X = scaler1.transform(X)
在我的测试中,结果是相同的。注意:不要忘记在np.array([ ... , ...])中设置逗号。
干杯!