标准 Scaler 拟合和转换步骤答案

【问题标题】：Standard Scaler fitting and transforming steps标准 Scaler 拟合和转换步骤
【发布时间】：2020-06-12 09:46:56
【问题描述】：

我想和你一起检查一下标准缩放的步骤：

ss = StandardScaler()
X_train = ss.fit_transform(X_train)
X_test = ss.transform(X_test)
X_unseen = ss.fit_transform(df_test)

df_test 基本上是一个完全不可见数据的 .csv 文件。

对于上面的代码，当这个ss已经fit_transformed(X_train)时，ss.fit_transform(df_test)可以吗？这个 ss 是否已经从 X_train 数据集“学习”了，因此，我需要将一个新的 StandardScaler() 实例化为 fit_transform(df_test)？

谢谢。

【问题讨论】：

这能回答你的问题吗？ Should I normalize training and test test separately after shuffling and splitting?

标签： python scikit-learn

【解决方案1】：

当您使用标准缩放器时，您只需训练一次，否则它不再是同一个缩放器，并且会影响您的后续步骤/算法。所以这意味着：

ss = StandardScaler()
X_train = ss.fit_transform(X_train)
X_test = ss.transform(X_test)
X_unseen = ss.transform(df_test)

【讨论】：