我有一个pandas.DataFrame
,看起来像:地图scikit缩放数据传回ID
In [48]: df
Out[48]:
AMID A B C
0 AMID-1000 0.149176 0.768200 0.689369
1 AMID-1001 0.169934 0.607390 0.471788
2 AMID-1002 0.632052 0.806657 0.994664
3 AMID-1003 0.003798 0.382427 0.894856
4 AMID-1004 0.182947 0.712373 0.870068
5 AMID-1005 0.385039 0.691643 0.546960
6 AMID-1006 0.971885 0.169759 0.804370
7 AMID-1007 0.443199 0.686212 0.377556
8 AMID-1008 0.149402 0.981370 0.588750
9 AMID-1009 0.214107 0.264285 0.463403
列'AMID'
保存数据点的id和列的其余部分中的每一个数据点的每一个的特征。
我想要使用这个数据集的算法,要求数据缩放,以便对于每列我有mean == 0
和std == 1
。我为此使用sklearn.preprocessing.StandardScaler
,但是,为了进行缩放,我需要清除非数值列的数据集'AMID'
列。
In [61]: from sklearn import preprocessing
In [62]: data = df[[_ for _ in df.columns.values.tolist() if _ not in ['AMID']]]
In [64]: scaler = preprocessing.StandardScaler().fit(data)
In [65]: data_scaled = scaler.transform(data)
In [66]: data_scaled
Out[66]:
array([[ -6.60180258e-01, 6.63739262e-01, 9.55187160e-02],
[ -5.84458777e-01, 1.47534202e-03, -9.87448200e-01],
[ 1.10128130e+00, 8.22117198e-01, 1.61505880e+00],
[ -1.19049913e+00, -9.24989864e-01, 1.11828380e+00],
[ -5.36991596e-01, 4.33827828e-01, 9.94906952e-01],
[ 2.00212895e-01, 3.48454485e-01, -6.13293011e-01],
[ 2.34094244e+00, -1.80081691e+00, 6.67913149e-01],
[ 4.12372276e-01, 3.26087187e-01, -1.45646800e+00],
[ -6.59357873e-01, 1.54163661e+00, -4.05292050e-01],
[ -4.23321269e-01, -1.41153114e+00, -1.02918017e+00]])
In [67]: data_scaled.mean(axis=0)
Out[67]: array([ -8.32667268e-17, -4.44089210e-17, -2.88657986e-16])
In [68]: data_scaled.std(axis=0)
Out[68]: array([ 1., 1., 1.])
事情看起来不错,这一点!
现在我可以继续前进并将这些数据输入到我的模型中,然后使用测试数据进行测试(也使用相同的缩放器和适配器进行缩放)。但是,我需要能够确切地看到分类器为每个AMID
预测了什么。所以,我想我应该将缩放数据映射回每个数据点的AMID
,然后用分类器的.predict()
方法分别尝试每个数据点,或者我应该以某种方式将.predict()
的结果映射回AMID
的列表。
我首先想到的是为新值分配到原来的数据帧,这样的事情:
In [73]: df_copy['A'] = data_scaled[:,0:1]
In [74]: df_copy
Out[74]:
AMID A B C
0 AMID-1000 -0.660180 0.768200 0.689369
1 AMID-1001 -0.584459 0.607390 0.471788
2 AMID-1002 1.101281 0.806657 0.994664
3 AMID-1003 -1.190499 0.382427 0.894856
4 AMID-1004 -0.536992 0.712373 0.870068
5 AMID-1005 0.200213 0.691643 0.546960
6 AMID-1006 2.340942 0.169759 0.804370
7 AMID-1007 0.412372 0.686212 0.377556
8 AMID-1008 -0.659358 0.981370 0.588750
9 AMID-1009 -0.423321 0.264285 0.463403
但我不知道这是否会歪曲原来'AMID'
与换算值之间的关系为每列。
有没有更好的方法来做到这一点?
'但是,我需要做的是将缩放后的数据映射回'AMID',这样我就可以分别为每个AMID值记录分类器的.predict()输出。不要取得它。你可以重新配制吗? – MMF
我对每个数据点都有基本事实,所以实际上我可以评估分类器的性能,即使没有映射到“AMID”。但是我也需要知道哪个特定的汽车('AMID')属于哪一类。所以我想这将需要遍历数据集并将每个数据点分别提供给分类器。总之,我想知道分类器为每个“AMID”预测的结果。谢谢! – Thanos
'我有每个数据点的基本事实'。如果你有班级,那么你想得到什么? - >'但我还需要知道哪个特定的汽车(AMID)属于哪一类'?我没有得到它 – MMF