Python

Question

我正在做一个sklearn家庭作业，我不明白为什么要用训练平均值和sd标准化和标准化测试数据。我怎样才能在Python中实现它？ 以下是我对列车数据的实施：

digits = sklearn.datasets.load_digits()
X= digits.data
Y= digits.target
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.3,train_size=0.7)
std_scale = preprocessing.StandardScaler().fit(X_train)
X_train_std = std_scale.transform(X_train)
#X_test_std=??

对于火车我认为这是正确的，但是对于测试？

Answer 1

为什么？

因为您的分类器/回归器将接受这些标准化值的培训。您不希望使用训练分类器来预测具有其他统计信息的数据。

如何：

std_scale = preprocessing.StandardScaler().fit(X_train)
X_train_std = std_scale.transform(X_train)
X_test_std  = std_scale.transform(X_test)

适合一次，改变你需要改变的东西。与StandardScaler相比，这是基于类的scale（已经选择）的优势，它不包含应用转换所需的必要信息（基于这些统计信息）在 fit ）期间获得。