在对不同的数组执行连续转换之后，我在使用inverse_transform方法对数组进行反向转换时遇到了一些困难。我可以使用.lambdas_属性访问用于原始转换的lambd值。此外，据我所知，中列出了执行inverse_transform的代码。但是，我想知道如何正确使用inverse_transform方法。这段代码确实按照预期执行了逆转换：
from sklearn.prep
浏览 15提问于2019-07-08得票数 3
1回答
我需要在我的预测中使用PowerTransformers inverse_transform()方法，但是我不知道如何访问它.内部的TransformedTargetRegressor如下所示：在这里完成之后，我愚蠢地认为我已经做到了我需要的地方，并且只需要使用PowerTransformers inverse_transform然而，令我非常失望的是，出现了一个错误：错误似乎很明显，告诉我我不能使用inverse_transform</
浏览 8提问于2021-06-18得票数 2
回答已采纳
1回答
我使用电力变压器转换了我的数据集(有9列)，以产生一个标准化的高斯分布。from sklearn.preprocessing import PowerTransformer#you can get the original data back using inverse_transform(X)
X_train=pt.fit_transform(X_train，我有2380列可能
浏览 6提问于2020-08-18得票数 2
回答已采纳
1回答
在我的sklearn管道中访问中间步骤的属性时遇到了问题。在这里，我使用下面的代码行访问numeric_pipeline的PowerTransformer()：它会返回这使我相信我已经正确地访问了该步骤。但是，我想
浏览 0提问于2019-12-26得票数 2
2回答
是否可以在另一个JNI C函数中调用JNI C函数？(直接或间接)，还是，正常C函数中的JNI函数？例如：return Java_com_example_ffttest_FFTActivity_transform(imag, real, n);然后在另一个方法中调用inverse_transform()。inverse_transform();
浏览 3提问于2014-07-10得票数 1
回答已采纳
import StandardScalerfrom sklearn.preprocessing import PowerTransformer('f_std', StandardScaler(), ['f']), ('r_boxcox', PowerTransformer(me
浏览 42提问于2019-02-08得票数 4
当我们想要在一个新的数据集上训练时，我们需要创建一个sklearn类的新实例吗？例如，我目前正在做以下工作： transformer = PowerTransformer()transformed2 = transformer.fit_transform(data2.to_numpy())
...我有多个要转换的数据集，以便可以运行KNNImputer
浏览 17提问于2020-08-09得票数 0
回答已采纳
predicted = model.predict(X_test) #shape : (5, 1)但发生相同的ValueError
我该如何解决这个问题？
浏览 0提问于2019-08-24得票数 1
因此，我将使用Pearson相关方法来处理这个问题。但是，所有类别的总销售额都是高度倾斜的数据，所有类别列的偏斜程度从10到40不等。所以我想用boxcox转换来记录这个销售数据。由于我的销售数据也有0值，所以我想使用boxcox1p函数。有人能帮我吗，我如何计算boxcox1p函数的lambda，因为它是这个函数的一个强制参数？而且，这是我的问题陈述找到高度相关类别的正确方法吗？
浏览 4提问于2020-07-26得票数 4
回答已采纳
1回答
sklearn.model_selection.train_test_split将两者分割后，我获得了：
scaler = preprocessing.StandardScaler()
X_train_std = scaler.fit_transform(X_train
浏览 0提问于2018-06-27得票数 3
回答已采纳
在“滑雪”中，QuantileTransformer的文档说应用了幂变换的特性，使数据更像高斯型。这两种方法似乎都能将特征变换为高斯/正态分布。在这方面有什么不同，什么时候使用哪一方面？
浏览 11提问于2022-08-12得票数 -1
1回答
使用NMF生成推荐
、、、、
在使用非负矩阵分解生成推荐时，如何为新用户重建数据？但似乎在某些地方出了问题，因为我没有得到预期的结果(那些来自其他方法的结果，比如sklearn NMF，特别是inverse_transform方法)。
浏览 0提问于2018-03-18得票数 0
5回答
反向Box-Cox变换
、、、、
我使用对连续变量执行。lambda_ = ss.boxcox(y + 1) # Add 1 to be able to transform 0 values
然后，我拟合一个统计模型来预测这个Box-Cox变换变量的值.模型预测在Box-Cox
浏览 1提问于2014-10-15得票数 28
回答已采纳
我在inverse_transform上得到了一个fit_transform后的错误。我正在尝试将inverse_transform float64返回到它的原始数据类型，即字符串。)
737 return X_tr
IndexError: index 68 i
浏览 8提问于2020-12-23得票数 0
回答已采纳
我试图使用典型相关分析。尽管如此，我还是得到了一个断言TypeError的inverse_transform() takes 2 positional arguments but 3 were given。ipython-input-34-7d035a65b067> in <module>
TypeError: inverse_transform
浏览 28提问于2022-09-09得票数 0
回答已采纳
有没有一种pythonic式的方法可以将sklearn的StandardScaler实例链接在一起，以独立地与组一起扩展数据？也就是说，如果我想找到独立缩放虹膜数据集的特征，我可以使用以下代码：data = load_iris()
df = pd.DataFrame但是很难随身携带这些方法和stdev，基本上，当我有一个我想要控制的分类变量时，复制StandardScaler的行为。
浏览 57提问于2019-04-10得票数 5
回答已采纳
1回答
我正在使用sklearn api构建一个简单的管道，使用LinearRegression作为模型，PowerTransform作为预处理器。pipe = make_pipeline(PowerTransformer(), LinearRegression())
pipe.fit(X_train, y_train) 有没有什么方法可以查看我处理过的数据，也就是说，在应用PowerTranformer()之后，它的值是什么？
浏览 25提问于2020-06-22得票数 1
1回答
我正在使用一个神经网络(监督学习)来训练一个agent在安全-健身房.在收集数据后，我需要在输入目标上进行缩放和划分。我对整个数据集执行缩放：scaler.fit(Dataset)然后，我使用数据集上的切片(numpy数组)在输入目标中分离数据集。问题是输出与dataset有不同的维度，所以我不能使用inverse_transform方法。
<e
浏览 4提问于2021-05-10得票数 0
1回答
我有一个回归模型，它是针对一系列特征和归一化目标进行训练的，所以当我使用该模型对新输入进行预测时，输出也是标准化的(不是规范化本身，但不是我期望看到的)。我该怎么处理呢？我尝试在sklearn中使用inverse_transform函数，这在大多数标度器中都是如此，但它并没有给出正确的结果。这可能是因为它还没有安装在这些数据上，因此不知道如何进行反求。我能做什么?
浏览 0提问于2019-01-15得票数 0
1回答
我想使用这个模型根据新收到的数据进行预测(我得到了值)。如果只收到一个“观察”，我如何使新到达的数据正常化？如果我想要得到真正的价值
使用我的模型，而不是归一化变量？
浏览 0提问于2020-09-07得票数 0
回答已采纳
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
腾讯云开发者
