如何通过 make_pipeline() 标准化训练和测试数据集

Posted 2023-03-12

【中文标题】如何通过 make_pipeline() 标准化训练和测试数据集

【英文标题】：How to standardize a training and a test dataset through make_pipeline()

【发布时间】：2019-05-23 03:07:57

【问题描述】：

我正在学习如何使用 make_pipeline 运行 K-means 模型来标准化我的数据集列的值。

我正在学习 DataCamp 课程，但我不清楚为什么它们在同一数据集上拟合和预测模型 - 在 Datacamp 案例“运动”中，即每日股票价值数据集。我认为 K-means 模型的全部目的是在训练数据集上进行训练并预测测试数据集？

与 Datacamp 案例不同，我想在列标准化的训练数据集上训练我的模型，并在列标准化的测试数据集上对其进行测试。怎么做？我正在复制并粘贴下面的 Datacamp 代码以供参考。

# Import Normalizer
from sklearn.preprocessing import Normalizer 

# Create a normalizer: normalizer
normalizer = Normalizer()

# Create a KMeans model with 10 clusters: kmeans
kmeans = KMeans(n_clusters = 5)

# Make a pipeline chaining normalizer and kmeans: pipeline
pipeline = make_pipeline(normalizer, kmeans)

# Fit pipeline to the daily price movements
pipeline.fit(movements)

# Predict the cluster labels: labels
labels = pipeline.predict(movements)

【参考方案1】：

我认为您对 KNN 和 K-Means 模型感到困惑。 KNN 是用于分类和回归的监督学习的模型，而 K-Means 是一个聚类模型，属于无监督学习（这里没有目标变量！），通常不进行训练和测试拆分.

如果您打算测量 K-Means 的性能，请阅读here

【讨论】：

非常感谢！你对混乱的看法是对的。我理解你的观点，我真的想知道 - 你为什么要在没有结果变量的情况下训练和测试数据集？或者说，你为什么要训练一个未标记的数据集？