我一直在开发一个机器学习模型,目前正在使用带有GridSearchCV的Pipeline。我的数据使用MinMaxScaler进行缩放,并且我正在使用具有RBR内核的SVR。我的问题是,现在我的模型已经完成、拟合并获得了不错的评估分数,我是否还需要使用MinMaxScaler来缩放新数据以进行预测,或者我可以使用原始数据进行预测?我已经读了三本关于scikit learn的书,但它们都着重于特征工程和拟合,没有涵盖任何关于预测步骤的额外说明,除了使用predict方法。
这是代码:
这是代码:
pipe = Pipeline([('scaler', MinMaxScaler()), ('clf', SVR())])
time_split = TimeSeriesSplit(n_splits=5)
param_grid = {'clf__kernel': ['rbf'],
'clf__C':[0.0001, 0.001],
'clf__gamma': [0.0001, 0.001]}
grid = GridSearchCV(pipe, param_grid, cv= time_split,
scoring='neg_mean_squared_error', n_jobs = -1)
grid.fit(X_train, y_train)