如何在标准化后对新数据使用保存的神经网络

问题描述

我已经使用 TensorFlow 和 Keras 构建并训练了一个神经网络，它非常适合我的数据。 在使用数据之前，我使用 sklearn 的 StandardScale() 对其进行了标准化。 我 fit_transform() 训练数据，仅 transform() 测试和验证数据。

最后，我保存了我的模型。

现在我想将模型用于新数据。 我想我也需要转换（）这些数据，但我该怎么做？

我的数据使用来自训练数据集的 fit_transform() 函数的所有参数进行了转换。 如果我在我的新数据中使用 fit_transform()，我得到的结果会比使用验证和测试数据的相同方式转换它们更糟糕。

有没有办法存储 fit_transform() 函数中的信息，以便稍后在加载保存的模型时使用它？所以我会得到一个新的数据集，转换喜欢测试和验证数据？

解决方法

在进行预测时，您不应使用 fit_transform，因为这会覆盖您之前拟合的定标器。请注意，fit_transform 是两个方法 fit() 和 transform() 的组合，如果您希望获得相同的效果，您可以单独运行它们。

因此，要在不改变它的情况下使用合适的缩放器，只需使用 transform()。

要保存它，您可以随时使用pickle：

import pickle 

with open(os.path.join(<your_path>,'scaler.pkl'),'wb') as output:
     pickle.dump(<your_scaler>,output)