python - standard - Guardar el modelo de MinMaxScaler en sklearn

standardscaler python 3

Question

Estoy usando el modelo MinMaxScaler en sklearn para normalizar las características de un modelo.

training_set = np.random.rand(4,4)*10
training_set

       [[ 6.01144787,  0.59753007,  2.0014852 ,  3.45433657],
       [ 6.03041646,  5.15589559,  6.64992437,  2.63440202],
       [ 2.27733136,  9.29927394,  0.03718093,  7.7679183 ],
       [ 9.86934288,  7.59003904,  6.02363739,  2.78294206]]


scaler = MinMaxScaler()
scaler.fit(training_set)    
scaler.transform(training_set)


   [[ 0.49184811,  0.        ,  0.29704831,  0.15972182],
   [ 0.4943466 ,  0.52384506,  1.        ,  0.        ],
   [ 0.        ,  1.        ,  0.        ,  1.        ],
   [ 1.        ,  0.80357559,  0.9052909 ,  0.02893534]]

Ahora quiero usar el mismo escalador para normalizar el conjunto de pruebas:

   [[ 8.31263467,  7.99782295,  0.02031658,  9.43249727],
   [ 1.03761228,  9.53173021,  5.99539478,  4.81456067],
   [ 0.19715961,  5.97702519,  0.53347403,  5.58747666],
   [ 9.67505429,  2.76225253,  7.39944931,  8.46746594]]

Pero no quiero usar el scaler.fit () con los datos de entrenamiento todo el tiempo. ¿Hay una manera de guardar el escalador y cargarlo más tarde desde un archivo diferente?

Answer 1

Así que en realidad no soy un experto en esto, pero a partir de un poco de investigación y algunos links útiles, creo que pickle y sklearn.externals.joblib serán tus amigos aquí.

El paquete pickle permite guardar modelos o "volcar" modelos en un archivo.

Creo que este link también es útil. Habla de crear un modelo de persistencia. Algo que vas a querer probar es:

# could use: import pickle... however let''s do something else
from sklearn.externals import joblib 

# this is more efficient than pickle for things like large numpy arrays
# ... which sklearn models often have.   

# then just ''dump'' your file
joblib.dump(clf, ''my_dope_model.pkl'') 

Here es donde puede obtener más información sobre los aspectos externos de sklearn.

Avísame si eso no ayuda o si no entiendo algo sobre tu modelo.

Answer 2

Incluso mejor que pickle (que crea archivos mucho más grandes que este método), puedes usar la sklearn incorporada de sklearn :

from sklearn.externals import joblib
scaler_filename = "scaler.save"
joblib.dump(scaler, scaler_filename) 

# And now to load...

scaler = joblib.load(scaler_filename) 

Answer 3

Puedes usar pickle , para guardar el escalador:

import pickle
scalerfile = ''scaler.sav''
pickle.dump(scaler, open(scalerfile, ''wb''))

Cargar de nuevo:

import pickle
scalerfile = ''scaler.sav''
scaler = pickle.load(open(scalerfile, ''rb''))
test_scaled_set = scaler.transform(test_set)