Я пытался использовать MinMaxScaller
(из sklearn.preprocessing
) для нормализации тренировочных данных.Затем создал обученный файл и сохранил его как «XXX.h5».
Я попытался создать прогностическую программу, которая могла бы прочитать «XXX.h5» и использовать обученную модель.Мне нужно масштабировать входные данные, а затем обратно масштабировать выходные данные.
Есть ли способ не использовать обучающие данные снова для масштабирования входных данных?
- Мне нужноеще раз прочитайте учебный файл, чтобы получить шкалу:
df=pd.read_excel('data.xls')
x=np.array(df['x'])
y=np.array(df['y'])
x_scaler=MinMaxScaler()
y_scaler=MinMaxScaler()
x=x_scaler.fit_transform(x)
y=y_scaler.fit_transform(y)
Затем масштабируйте ввод 'x', чтобы сделать прогноз:
preds= model.predict(x_scaler.transform(input_x))
Обратный масштаб для получения выходных данных:
preds=y_scaler.inverse_transform( preds)
Исходя из вышеизложенного, мне всегда будут нужны данные обучения, даже если мне не нужно тренировать модель.Это правда?