from sklearn.preprocessing import StandardScalerX_train = sc.fit_transform(X_train)我所知道的是fit()方法计算特征的均值和标准差，然后transform()方法使用
浏览 11提问于2022-06-16得票数 2
回答已采纳
我有一个数据帧df： cat1 | cat2 | cat3 | year | quartal | month | yX_test = scale
浏览 26提问于2020-12-02得票数 0
回答已采纳
我有以下带有数据的数据：1079 COMPUTER long text.... 3from sklearn.model_selection import train_tes
浏览 0提问于2018-11-25得票数 1
回答已采纳
1回答
我正在尝试构建一个带有StandardScaler()和LogisticRegression()的管道。当我使用和不使用管道进行编码时，我得到了不同的结果。下面是我不使用管道的代码： clf_LR = linear_model.LogisticRegression()X_train_std = scalar.fit_transform(X_train</e
浏览 30提问于2020-08-26得票数 1
最近邻居和我收到此错误: ValueError:查询数据维度必须与训练数据维度匹配。# Part 1 - Data Preprocessing
import numpy as np
dataset = pd.read_csv('Google
浏览 0提问于2020-05-14得票数 1
1回答
机器学习方面的文献强烈支持支持向量机()的数据归一化。作为，同样的应该应用于训练和测试数据。
使用比手工减去平均值和除以标准差(除了在管道中使用它的能力)有什么好处？那么，如果我有多个类，使用以归一化为第一个估计量的管道来训练，会发生什么呢？它还会计算每个类别的平均和标准变化，并在分类时使用吗？更具体地说，下面的分类器是否在
浏览 1提问于2013-04-22得票数 6
回答已采纳
我正在比较使用Scikit的两个KerasRegressor程序的性能-学习StandardScaler：一个程序与Scikit学习Pipeline和一个没有Pipeline的程序。, Y_train)方案2：X_train = scale.fit_transform(X_train)
X_test</em
浏览 2提问于2017-05-06得票数 3
回答已采纳
在使用RobustScalar和Lasso之后，我正在尝试找出如何对我的数据进行缩放(可能使用inverse_transform)来进行预测。下面的数据只是一个例子。我的实际数据更大更复杂，但我希望使用RobustScaler (因为我的数据有异常值)和Lasso (因为我的数据有几十个无用的
浏览 23提问于2019-05-16得票数 2
回答已采纳
下面是使用minmaxscaler、polyl特征和线性回归分类器的简单示例。,Y_train)print(pipeLine.steps[2][1].intercept_)手动执行：
X_trainScaled = MinMaxScaler().fit_transform(X_t
浏览 13提问于2019-07-27得票数 1
回答已采纳
1回答
交叉验证和测试集的缩放和数据泄漏
、、、、
我有更多的最佳实践问题。from sklearn.model_selection import train_test_split
from sklearn.preprocessing import(
浏览 4提问于2022-06-29得票数 1
我使用MinMaxScalar函数在sklearn.preprocessing中规范化了我的一些变量(数组)的属性，使之在模型(线性回归)中使用，在模型创建和训练之后，我用x_test(splited为了评估目的，我想用原始数据集评估我的预测值，因为我使用了"MinMaxScalar.inverse_transform“函数，当我的代码按下面的顺序运行时，这个函数工作得很好，
x_train</em
浏览 0提问于2021-04-13得票数 0
3回答
功能计数不匹配
、、
我正在使用scikit做一个简单的分类任务。我有一个测试和训练数据集，它们的形状如下: train = (1000,69917)和test = (1073,49429)。当我这样做的时候：predicted = clf.predict(X_test)ValueError: X has 49429
浏览 0提问于2014-08-19得票数 3
我很少看到与这个问题有关的帖子，但我不太清楚我的困惑，如下面提到的。
我对fit和fit_transform有一些困惑。假设我有X_train和X_test数据，让我的缩放函数是标准标量。我使用以下代码进行缩放，sc_X =StandardScaler() X_train = sc_X.fit_transform</em
浏览 0提问于2020-06-22得票数 1
这是我正在使用fit_transform()和transform()的特性缩放代码。##Feature scalingsc_x=StandardScaler()X_test=sc_x.transform(X_test</
浏览 0提问于2018-03-16得票数 3
回答已采纳
下面的代码是否真的将输入转换为dtm，因为它没有使用fit_transform方法，而只是为了学习词汇表？这个模型是否足以进行学习？X_train, X_test, y_train, y_test = train_test_split(df.data, df.target, test_size = 0.2, random_state('tfidf', TfidfTransformer()),
浏览 15提问于2020-06-17得票数 0
我已经使用sklearn的DecisionTreeClassifier构建了一个文本分类模型，并希望添加另一个预测器。我的数据在一个pandas数据框中，其中的列被标记为'Impression' (文本)、'Volume' (浮动)和'Cancer' (标签)。我一直只使用印象来预测癌症，但我想用印象和体积来预测癌症。(以粗体显示的更改)：
浏览 15提问于2020-05-22得票数 1
回答已采纳
在执行特性缩放时，不要将变量赋值给StandardScaler()，而是按如下方式编码：它给出了以下错误：
NotFittedError在使用此方法之前，使
浏览 0提问于2019-09-03得票数 4
回答已采纳
1回答
在MFCC特征提取之后，我尝试使用PCA特征选择，然后用随机森林进行分类。在对数据进行standardscale()之前，我已经将X_train、y_train、X_test和y_test数据分开。第一步:我首先将数据缩放如下：X_train_scaled = scaler.fit_transform(X_tr
浏览 7提问于2022-06-25得票数 0
回答已采纳
我只是没有理解这个类的。我可以用它来拟合数据，并得到特性的分数，但是这是这门课应该做的吗？
我看不出如何使用它来使用合适的模型实际执行回归。那么，是否有可能使用这个类来获得对新测试数据的实际预测，以及是否有可能在交叉折叠验证中使用它来比较我正在使用的其他方法的性能？我在其他分类器中使用了排名最高的</e
浏览 1提问于2013-11-27得票数 5
回答已采纳
正如标题所说，我在训练数据上使用带有CountVectorizer的fit_transform。然后我只对测试数据使用tranform ...这是否与仅在训练上使用fit和仅在测试数据上使用tranform相同？
浏览 3提问于2016-10-12得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
