是否存在一个不进行任何操作的虚拟缩放器用于插入到Pipeline中?

是否存在一个可以插入到Pipeline中且不进行任何操作的虚拟缩放器?例如:

# 使用RBF核定义SVM模型model = Pipeline(steps=[('preprocess', MinMaxScaler()),                        ('model', SVC(kernel='rbf',                                      gamma='scale',                                      probability=True,                                      class_weight='balanced',                                      cache_size=1000,                                      tol=1e-10,                                      shrinking=True,                                      decision_function_shape='ovr',                                      break_ties=False,                                      C=3.0))])params =  [{'preprocess': [DummyDoNothingScaler(), MaxAbsScaler(), MinMaxScaler(), StandardScaler()],            'model__gamma': ['scale', 'auto'],            'model__C': [1.0, 1.01, 1.015,3.0]           }]

是否存在一个DummyDoNothingScaler


回答:

实际上,使用None作为“不做任何操作”完美地工作,例如:

params =  [{'preprocess': [None, MaxAbsScaler(), MinMaxScaler(), StandardScaler()],            'model__gamma': ['scale', 'auto'],            'model__C': [1.0, 1.01, 1.015,3.0]          }]

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