scikit-learn: jak zmniejszyć poprzedni wynik "y"

Question

Próbuję się nauczyć scikit-learn i uczenia maszynowego przy użyciu zestawu danych Boston Housing.

# I splitted the initial dataset ('housing_X' and 'housing_y') 
from sklearn.cross_validation import train_test_split 
X_train, X_test, y_train, y_test = train_test_split(housing_X, housing_y, test_size=0.25, random_state=33) 

# I scaled those two datasets 
from sklearn.preprocessing import StandardScaler 
scalerX = StandardScaler().fit(X_train) 
scalery = StandardScaler().fit(y_train) 
X_train = scalerX.transform(X_train) 
y_train = scalery.transform(y_train) 
X_test = scalerX.transform(X_test) 
y_test = scalery.transform(y_test) 

# I created the model 
from sklearn import linear_model 
clf_sgd = linear_model.SGDRegressor(loss='squared_loss', penalty=None, random_state=42) 
train_and_evaluate(clf_sgd,X_train,y_train) 

Na podstawie tego nowego modelu clf_sgd, staram się przewidzieć y na podstawie pierwszej instancji X_train.

X_new_scaled = X_train[0] 
print (X_new_scaled) 
y_new = clf_sgd.predict(X_new_scaled) 
print (y_new) 

Jednak wynik jest dość dziwne dla mnie (1.34032174 zamiast 20-30, zakres cen domów)

[-0.32076092 0.35553428 -1.00966618 -0.28784917 0.87716097 1.28834383 
    0.4759489 -0.83034371 -0.47659648 -0.81061061 -2.49222645 0.35062335 
-0.39859013] 
[ 1.34032174] 

myślę, że ta wartość 1.34032174 powinna być zmniejszona, ale próbuję dowiedzieć się, jak to zrobić bez powodzenia. Każda wskazówka jest mile widziany. Dziękuję Ci bardzo.

Answer 1

Można użyć inverse_transform korzystania z przedmiotu scalery:

y_new_inverse = scalery.inverse_transform(y_new)