python - 在sklearn python中撤消L2规范化

Question

一旦我使用 sklearn l2 归一化器对数据进行归一化并将其用作训练数据：如何将预测输出转回“原始”形状？

在我的示例中，我使用标准化的房价作为 y，使用标准化的居住空间作为 x。每个用于适合自己的 X_ 和 Y_Normalizer。

因此，y_predict 也处于标准化形状，我如何变成原始原始货币状态？

谢谢你。

Answer 1

如果您正在谈论sklearn.preprocessing.Normalizer标准化矩阵线的 ，不幸的是，除非您将它们手动存储在某处，否则无法恢复原始规范。

如果您正在使用对列sklearn.preprocessing.StandardScaler进行规范化，那么您可以获得返回该缩放器属性所需的值（如果设置为and ）mean_with_meanTruestd_

如果您在管道中使用规范器，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，我之前不知道管道功能

对于 L2 标准化的情况，您可以手动进行。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])

或者使用平方和的平方根的权重手动执行：

#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，通过乘以“w”将它们“返回”为原始甲酸盐很简单。