sklearn中在模型学习中使用preprocessing.scale(x),之后预测模型该怎么使用模型的参数呢?
x = preprocessing.scale(x)
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2)
clf = LinearRegression()
clf.fit(x_train, y_train)
模型完成之后,该怎么对其他数据进行预测,怎么使用模型的参数呢?
谢谢~
直接使用
y_predict = clf.predict(X_test)
就可以了@Jason990420 x_test 是在X = preprocessing.scale(X) 之后。 如果是一个新的数据集呢?
该怎么使用现有模型的参数呢?谢谢~
新的数据集, 当然也要经过相同的预处理.
模型的参数, 基本上没用, 除非你要那一个线性方程式. 𝑦 = 𝛽₀ + 𝛽₁𝑥₁ + ⋯ + 𝛽ᵣ𝑥ᵣ + 𝜀
有用的是 model & 参数, 可以利用 pickle存下来, 下次不用再经训练直接使用.