训练集被标准化后应该测试集应该做什么

作者: NetworkAttachedStorage
发布时间: 2024-09-04 03:57:19 (5天前)
转自：

3 条回复

0#
回复此人
biu~ | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 我们应用所有预处理来测试在列车数据上执行时学习的数据。我们没有从测试数据中学到任何新东西。 </p> <P> 因此，在您的情况下，我们只应用相同的规范化来测试我们从列车数据中学到的数据： - </p> <pre> <code> test_data[columns_list] = scaler.transform(test_data[columns_list]) # Predict Quantity from model y_pred = clf.predict(test_data.iloc[:, :-2]) # Actual values of Quantity y_true = test_data.iloc[:,-1] # Now use y_true and y_pred to calculate the metrics. </code> </pre> </DIV>

编辑
1#
回复此人
谦成 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> <a href="http://scikit-learn.org/stable/modules/preprocessing.html#standardization-or-mean-removal-and-variance-scaling" rel="nofollow noreferrer"> 正如sklearn doc所提供的那样 </A> </p> <BLOCKQUOTE> <P> 预处理模块还提供实用程序类 StandardScaler实现Transformer API来计算平均值和训练集上的标准偏差，以便以后能够在测试集上重新应用相同的转换。 </p> </BLOCKQUOTE> <P> <a href="http://scikit-learn.org/stable/modules/preprocessing.html#normalization" rel="nofollow noreferrer"> 谈论规范化器 </A> </p> <BLOCKQUOTE> <P> 预处理模块还提供实用程序类Normalizer 使用Transformer API实现相同的操作 </p> </BLOCKQUOTE> <P> 所以只需在测试集上重新应用相同的转换即可。 </p> </DIV>

编辑

登录后才能参与评论