Question

我从之前的模型中保存了一个sklearn StandardScaler，并尝试将其应用于新数据

scaler = myOldStandardScaler
print("ORIG:", X)
print("CLASS:", X.__class__)
X = scaler.fit_transform(X)
print("SCALED:", X)

我有三个观察，每个观察2000个特征。如果我单独运行每个观察，我得到全零的输出。

ORIG: [[  3.19029839e-04   0.00000000e+00   1.90985485e-06 ...,   0.00000000e+00
0.00000000e+00   0.00000000e+00]]
CLASS: <class 'numpy.matrixlib.defmatrix.matrix'>
SCALED: [[ 0.  0.  0. ...,  0.  0.  0.]]

但是，如果我将所有三个观察结果附加到一个数组中，我会得到我想要的结果

ORIG: [[  0.00000000e+00   8.69737728e-08   7.53361877e-06 ...,   0.00000000e+00
0.00000000e+00   0.00000000e+00]
[  9.49627142e-04   0.00000000e+00   0.00000000e+00 ...,   0.00000000e+00
0.00000000e+00   0.00000000e+00]
[  3.19029839e-04   0.00000000e+00   1.90985485e-06 ...,   0.00000000e+00
0.00000000e+00   0.00000000e+00]]
CLASS: <class 'numpy.matrixlib.defmatrix.matrix'>
SCALED: [[-1.07174217  1.41421356  1.37153077 ...,  0.          0.          0.        ]
[ 1.33494964 -0.70710678 -0.98439142 ...,  0.          0.          0.        ]
[-0.26320747 -0.70710678 -0.38713935 ...,  0.          0.          0.        ]]

我见过这两个问题：

两者都没有得到接受的答案。

我试过了：

从（1，n）重塑为（n，1）（这会得到错误的结果）
将数组转换为np.float32和np.float64（仍为零）
创建一个数组数组（同样，全部为零）
创建np.matrix（再次，全部为零）

我错过了什么？ fit_transform的输入变为相同类型，只是大小不同。

如何让StandardScaler使用单次观察？

Answer 1

当您尝试将fit_transform对象的StandardScaler方法应用于大小（1，n）的数组时，您显然会得到全零，因为对于每个数组，您从中减去它的意思是这个数字，等于数字并除以此数字的标准。如果要获得正确的数组缩放，应将其转换为大小为（n，1）的数组。你可以这样做：

import numpy as np

X = np.array([1, -4, 5, 6, -8, 5]) # here should be your X in np.array format
X_transformed = scaler.fit_transform(X[:, np.newaxis])

在这种情况下，您可以通过其功能获得一个对象的标准缩放，这不是您正在寻找的如果要通过3个对象的一个特征进行缩放，则应该使用与每个对象对应的特定要素的值传递给fit_transform大小为（3,1的）方法数组。

X = np.array([0.00000000e+00, 9.49627142e-04, 3.19029839e-04])
X_transformed = scaler.fit_transform(X[:, np.newaxis]) # you should get
# array([[-1.07174217], [1.33494964], [-0.26320747]]) you're looking for

如果您想使用已安装的StandardScaler对象，则不应使用fit_transform方法，因为它会使用新数据重新构造对象。 StandardScaler具有transform方法，该方法适用于单一观察：

X = np.array([1, -4, 5, 6, -8, 5]) # here should be your X in np.array format
X_transformed = scaler.transform(X.reshape(1, -1))

Answer 2

我遇到了同样的问题。对于大小为 (1, n) 的数组问题的另一种（更简单的）解决方案是将矩阵转置为大小 (n, 1)。

X = np.array([0.00000000e+00, 9.49627142e-04, 3.19029839e-04])
X_transformed = scaler.transform(X.T)

sklearn StandardScaler返回全零

2 个答案: