Guardar el modelo StandardScaler () para usarlo en nuevos conjuntos de datos

Solución:

podrías usar joblib vertedero función para guardar el modelo de escala estándar. Aquí hay un ejemplo completo como referencia.

from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_iris

data, target = load_iris(return_X_y=True)
X_train, X_test, y_train, y_test = train_test_split(data, target)

sc = StandardScaler()
X_train_std = sc.fit_transform(X_train)

si quieres guardar el Carolina del Sur El llamador de estándares utiliza lo siguiente

from sklearn.externals.joblib import dump, load
dump(sc, 'std_scaler.bin', compress=True)

esto creará el archivo std_scaler.bin y guardará el modelo sklearn.

Para leer el modelo más tarde, use carga

sc=load('std_scaler.bin')

Nota: sklearn.externals.joblib es obsoleto. Instale y use el puro joblib en lugar de

O si te gusta encurtir:

import pickle
pickle.dump(sc, open('file/path/scaler.pkl','wb'))

sc = pickle.load(open('file/path/scaler.pkl','rb'))

---

---

Utiliza Nuestro Buscador