如何在scikit-learn中一致地标准化稀疏特征矩阵？

Question

我正在使用sklearn＆＃39; DictVectorizer来构建一个大的稀疏特征矩阵，该矩阵被馈送到ElasticNet模型。当预测变量（特征矩阵中的列）居中并缩放时，弹性网（和类似的线性模型）效果最佳。 recommended approach用于构建在回归量之前使用Pipeline的{​​{1}}，但不能使用稀疏要素，如docs中所述。

我想在StandardScaler中使用似乎支持稀疏数据的normalize=True标志，但是不清楚在预测期间是否也将标准化应用于测试数据。有谁知道ElasticNet是否也适用于预测？如果没有，有没有办法在处理稀疏特征时在训练和测试集上使用相同的标准化？

Answer 1

通过浏览sklearn代码，看起来在fit_intercept=True和normalize=True时，在归一化数据上估计的系数会被投射回数据的原始比例。这类似于R处理标准化的方式glmnet。相关的代码段是_set_intercept的方法LinearModel，请参阅https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/base.py#L158。因此，对原始尺度中看不见的数据使用系数的预测，即normalize=True是可以安全使用的。