scikit-learn - 将管道预测转换为原始值/比例

我按如下方式创建了一个管道(使用Keras Scikit-Learn API)

estimators = []
estimators.append(('standardize', StandardScaler()))
estimators.append(('mlp', KerasRegressor(build_fn=baseline_model, nb_epoch=50, batch_size=5, verbose=0)))
pipeline = Pipeline(estimators)

并适合它

pipeline.fit(trainX,trainY)

如果我预测pipline.predict(testX),我(相信)我会得到标准化的预测.

如何预测上testX,使得predictedY它在同等规模的实际(不变)testY(即不规范的预测,而是实际值)？我看到有一种inverse_transform方法用于管道,但似乎只是为了恢复转换X.

究竟。管道中的StandardScaler（）仅映射pipe.fit（trainX，trainY）的输入（trainX）。

因此，如果您将模型拟合为近似trainY，并且还需要对其进行标准化，则应将trainY映射为

scalerY = StandardScaler().fit(trainY)  # fit y scaler
pipeline.fit(trainX, scalerY.transform(trainY))  # fit your pipeline to scaled Y
testY = scalerY.inverse_transform(pipeline.predict(testX))  # predict and rescale

inverse_transform（）函数考虑标准偏差和在StandardScaler（）。fit（）中计算出的均值来映射其值。

正如您所提到的，您始终可以在不缩放Y的情况下拟合模型，但这可能会很危险，具体取决于您的数据，因为它可能导致模型过度拟合。您必须测试它；）