我正在开发一个机器学习模型，我有一个包含数据的数据框

我使用标准分布对数据进行标准化

scaler = StandardScaler()df = scaler.fit_transform(df)

我将数据集分为目标和特征

X_df = df[X_characteristics_list]y_df = df[target]

我将数据分为训练集和测试集，然后训练模型

X_train, X_test, y_train, y_test = train_test_split(X_df, y_df, test_size = 0.25)forest = RandomForestRegressor()forest.fit(X_train, y_train)

我预测测试集以验证模型的有效性

y_test_pred = forest.predict(X2_test)mse = mean_squared_error(y_test, y_test_pred)

但当需要在现实生活中测试时，我需要让模型准备好进行预测

如果我想预测一个单独的记录，例如 [100,20,34]，我无法做到，因为我需要标准化该记录，而使用 StandardScaler 进行转换不起作用，因为它依赖于标准差，所以我需要原始数据集

解决这个问题的更好方法是什么？

回答：

请看下面的示例：

>>> from sklearn.datasets import make_classification>>> from sklearn.model_selection import train_test_split>>> from sklearn.linear_model import LogisticRegression>>> from sklearn.preprocessing import StandardScaler# 创建我们的输入和输出矩阵>>> X, y = make_classification()# 分割训练集和测试集... "测试集" 将是生产/未观察到/"现实生活" 数据>>> X_train, X_test, y_train, y_test = train_test_split(X, y)# X_train 看起来是什么样的？>>> X_trainarray([[-0.08930702, -2.71113991, -0.93849926, ...,  0.21650905,         0.68952722,  0.61365789],       [-0.31143977, -1.87817904,  0.08287492, ..., -0.41332943,        -0.58967179,  1.7239411 ],       [-1.62287589,  1.10691318, -0.630556  , ..., -0.35060008,         1.11270562,  0.08106694],       ...,       [-0.59797041,  0.90218081,  0.89983074, ..., -0.54374315,         1.18534841, -0.03397969],       [-1.2006559 ,  1.01890955, -1.21617181, ...,  1.76263322,         1.38280423, -1.0192972 ],       [ 0.11883425,  1.42952643, -1.23647358, ...,  1.02509208,        -1.14308885,  0.72096531]])# 让我们对其进行缩放>>> scaler = StandardScaler()>>> X_train = scaler.fit_transform(X_train)>>> X_trainarray([[ 0.08867642, -1.97950269, -1.1214106 , ...,  0.22075623,         0.57844552,  0.46487917],       [-0.10736984, -1.34896243,  0.00808597, ..., -0.37670234,        -0.6045418 ,  1.57819736],       [-1.26479555,  0.91071257, -0.78086855, ..., -0.3171979 ,         0.96979563, -0.06916763],       ...,       [-0.36025134,  0.7557329 ,  0.91152449, ..., -0.50041152,         1.03697478, -0.18452874],       [-0.89215959,  0.84409499, -1.42847749, ...,  1.68739437,         1.21957946, -1.17253964],       [ 0.27237431,  1.15492649, -1.4509284 , ...,  0.98777012,        -1.116335  ,  0.57247992]])# 训练模型>>> model = LogisticRegression()>>> model.fit(X_train, y_train)LogisticRegression(C=1.0, class_weight=None, dual=False, fit_intercept=True,                   intercept_scaling=1, l1_ratio=None, max_iter=100,                   multi_class='auto', n_jobs=None, penalty='l2',                   random_state=None, solver='lbfgs', tol=0.0001, verbose=0,                   warm_start=False)# 现在让我们使用已经拟合的 StandardScaler 对象来简单地转换# *不是 fit_transform* 测试数据>>> X_test = scaler.transform(X_test)>>> model.predict(X_test)array([1, 0, 1, 0, 0, 0, 0, 1, 1, 1, 1, 0, 1, 0, 1, 1, 1, 1, 0, 1, 1, 0,       0, 0, 0])

请注意，使用 joblib 或 pickle 你可以保存 scaler 对象，并在以后的”实时”缩放中重新加载它。