J'ai des données structurées comme ci-dessous, essayant de prédire t
à partir des fonctionnalités.
train_df
t: time to predict
f1: feature1
f2: feature2
f3:......
t
peut-il être mis à l'échelle avec StandardScaler, donc je prédis à la place t'
puis inverser le StandardScaler pour revenir en temps réel?
Par exemple:
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(train_df['t'])
train_df['t']= scaler.transform(train_df['t'])
exécuter un modèle de régression,
vérifier le score,
!! vérifier la prévision t 'avec la valeur en temps réel (StandardScaler inverse) <- possible?
Ouais, et ça s'appelle commodément inverse_transform
.
La documentation fournit des exemples de son utilisation.
Voici un exemple de code. Vous pouvez remplacer ici data
par train_df['colunm_name']
. J'espère que ça aide.
from sklearn.preprocessing import StandardScaler
data = [[1,1], [2,3], [3,2], [1,1]]
scaler = StandardScaler()
scaler.fit(data)
scaled = scaler.transform(data)
print(scaled)
# for inverse transformation
inversed = scaler.inverse_transform(scaled)
print(inversed)