在sklearn python中撤消L2规范化

一旦我使用sklearn l2规范化器规范化了我的数据并将其用作训练数据：
如何将预测的输出变回“原始”形状？

在我的示例中,我将归一化的住房价格用作y,将归一化的居住空间用作x.每个都适合自己的X_和Y_Normalizer.

y_predict也处于标准化状态,我该如何变成原始原始货币状态？

谢谢.

解决方法:

如果您正在谈论sklearn.preprocessing.Normalizer,它可以对矩阵线进行归一化,那么不幸的是,除非您手动将它们存储在某个地方,否则无法恢复到原始规范.

如果您正在使用sklearn.preprocessing.StandardScaler来对列进行归一化,则可以在该缩放器的属性中获取需要返回的值(如果with_mean设置为True和std_,则为均值)

如果在管道中使用规范化器,则无需担心,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())

标签：standardized,scikit-learn,machine-learning,normalization,python
来源： https://codeday.me/bug/20191118/2030974.html