使用导出的Keras模型的StandardScaler

我刚刚导出了我的Keras模型,因为我想在我的Web应用程序中使用它。对于分类,我使用的是单个音频文件的特征。问题是每次预测时我只有一行数据,这导致StandardScaler的输出为0。有什么方法可以导出sklearn对象,以便在我的Web应用程序中重用它,而不必使用训练模型时使用的所有数据吗?

此致


回答:

我之前没有使用过这个Web应用程序,但我可以用joblib保存训练好的缩放器,然后在将来加载它。

from sklearn.preprocessing import StandardScalerimport joblibfrom sklearn.datasets import load_breast_cancerdata = load_breast_cancer()data = data.datascaler = StandardScaler()scaler = scaler.fit(data)data_t = scaler.transform(data)#保存训练好的缩放器joblib.dump(scaler,r"scaler")#加载以转换新数据scaler_2 = joblib.load(r"scaler")data_t_2 = scaler.transform(data)

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注