如何存储缩放参数以供以后使用

Question

我想应用 scikit-learn 提供的缩放sklearn.preprocessing.scale模块来居中化我将用于训练 svm 分类器的数据集。

然后，如何存储标准化参数，以便将它们也应用于要分类的数据？

我知道我可以使用standarScaler但是我可以以某种方式将其序列化为文件，这样我就不必在每次要运行分类器时都将其适合我的数据？

Answer 1

我认为最好的方法是在fit后腌制它，因为这是最通用的选项。也许稍后您将创建一个由要素提取器和缩放器组成的管道。通过腌制（可能是复合的）阶段，你正在使事情变得更加通用。关于模型持久性的 sklearn 文档讨论了如何做到这一点。

话虽如此，您可以在sklearn.preprocessing.StandardScaler查询拟合参数：

scale_ ： 形状， 形状 （n_features，） 每个特征的数据相对缩放。 版本 0.17 中的新功能：建议使用 scale_，而不是已弃用的std_。 mean_ ： 形状为 [n_features] 的浮点数组 训练集中每个特征的平均值。

以下简短代码段对此进行了说明：

from sklearn import preprocessing
import numpy as np
s = preprocessing.StandardScaler()
s.fit(np.array([[1., 2, 3, 4]]).T)
>>> s.mean_, s.scale_
(array([ 2.5]), array([ 1.11803399]))

Answer 2

使用标准缩放器缩放

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(data)
scaled_data = scaler.transform(data)

保存mean_并var_供以后使用

means = scaler.mean_ 
vars = scaler.var_    

（您可以打印和复制粘贴手段和变量或使用 np.save 保存到磁盘...

以后使用保存的参数

def scale_data(array,means=means,stds=vars **0.5):
    return (array-means)/stds
scale_new_data = scale_data(new_data)

Answer 3

您可以使用 joblib 模块来存储缩放器的参数。

from joblib import dump
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(data)
dump(scaler, 'scaler_filename.joblib')

稍后您可以加载缩放器。

from joblib import load
scaler = load('scaler_filename.joblib')
transformed_data = scaler.transform(new_data)

Answer 4

Pickle 带来了一个安全漏洞，并允许攻击者在服务器上执行任意代码。条件是：

• 可以将 pickle 文件替换为服务器上的另一个 pickle 文件（如果没有对 pickle 进行审核，即签名验证或哈希比较）

• 相同，但在开发人员PC上（攻击者破坏了一些开发PC

如果您的服务器端应用程序以 root 身份执行（或在 docker 容器中的 root 下执行），那么这绝对值得您关注。

可能的解决方案：

• 模型训练应在安全的环境中进行

• 经过训练的模型应该由来自另一个安全环境的密钥签名，该密钥不会加载到 gpg 代理中（否则攻击者可以很容易地替换签名）

• CI 应在隔离环境（隔离区）中测试模型

• 使用 python3.8 或更高版本，它添加了安全钩子以防止代码注入技术

• 或者只是避免泡菜：）

一些链接：

• https://docs.python.org/3/library/pickle.html

• Python：我可以安全地解冻不受信任的数据吗？

• https://github.com/pytorch/pytorch/issues/52596

• https://www.python.org/dev/peps/pep-0578/

避免酸洗的可能方法：

# scaler is fitted instance of MinMaxScaler
scaler_data_ = np.array([scaler.data_min_, scaler.data_max_])
np.save("my_scaler.npy", allow_pickle=False, scaler_data_)
#some not scaled X
Xreal = np.array([1.9261148646249848, 0.7327923702472628, 118, 1083])
scaler_data_ = np.load("my_scaler.npy")
Xmin, Xmax = scaler_data_[0], scaler_data_[1]
Xscaled = (Xreal - Xmin) / (Xmax-Xmin)
Xscaled
# -> array([0.63062502, 0.35320565, 0.15144766, 0.69116555])