在 sklearn 中撤消 L2 规范化 python

Question

一旦我使用 sklearn l2 归一化器归一化我的数据并将其用作训练数据：如何将预测输出转回 "raw" 形状？

在我的示例中，我使用规范化房价作为 y，规范化生活 space 作为 x。各自用来适应自己的X_和Y_Normalizer.

y_predict因此也处于规范化状态，我如何转入原始原始货币状态？

谢谢。

Answer 1

如果您谈论的是 sklearn.preprocessing.Normalizer，它将矩阵线归一化，不幸的是，除非您将它们手动存储在某个地方，否则无法恢复到原始规范。

如果您正在使用 sklearn.preprocessing.StandardScaler，它规范化列，那么您可以在该缩放器的属性中获取需要返回的值（mean_ 如果 with_mean 设置为 True 和 std_)

如果您在管道中使用标准化器，则无需担心这一点，因为您不会就地修改数据：

from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import Normalizer

# classifier example
from sklearn.svm import SVC

pipeline = make_pipeline(Normalizer(), SVC())

Answer 2

非常感谢您的回答，我以前不知道管道功能

事实证明，对于 L2 规范化的情况，您可以手动完成。这是一个小型数组的示例：

x = np.array([5, 8 , 12, 15])

#Using Sklearn
normalizer_x = preprocessing.Normalizer(norm = "l2").fit(x)
x_norm = normalizer_x.transform(x)[0]
print x_norm

>array([ 0.23363466,  0.37381545,  0.56072318,  0.70090397])

或者用平方和的平方根的权重手动做：

#Manually
w = np.sqrt(sum(x**2))
x_norm2 = x/w
print x_norm2

>array([ 0.23363466,  0.37381545,  0.56072318,  0.70090397])

因此，将它们 "back" 与 "w" 相乘很简单。

在 sklearn 中撤消 L2 规范化 python

Undo L2 Normalization in sklearn python

python

machine-learning

normalization

standardized

scikit-learn