predict(scaler_housing) #輸入資料進行預測得到結果mse=mean_squared_error(preds,target) #使用均方誤差來評價模型好壞,可以輸出mse進行檢視評價值#繪圖進行比較plot
transform(x_test)4、二值化設定一個閾值,大於閾賦值為1,小於等於閾值賦值為0Sklearn中的preproccessing庫的Binarizer實現程式碼如下fromsklearn
inverse_transform(result)#將歸一化後的結果逆轉#使用MinMaxScaler的引數feature_range實現將資料歸一化到[0,1]以外的範圍中data=[[-1,2],[-0
data_range_)print(“after transform:\n”,scaler