使用sklearn.preprocessing的StandardScaler时如何保持原始方式/ stddev？

Question

我正在使用python自学回归，并在指南中看到了以下代码。显而易见，它调用了ScandardScaler-fit_transform方法-但也尝试存储均值和标准差（以便以后可以将其标准化）

from sklearn.preprocessing import StandardScaler

observations = len(dataset)
variables = dataset.columns
standardisation = StandardScaler(copy = False, with_mean = True, 
with_std = True)
Xst = standardization.fit_transform(X)
original_means = standardisation.mean_
original_stds = standardisation.std_
Xst = np.column_stack((Xst, np.ones(observations)))
y = dataset['Target'].values`

此生成的错误是

  

AttributeError：“ StandardScaler”对象没有属性“ mean _”

Answer 1

...因此事实证明，从Scikit-Learn版本0.17开始，“ mean_”和“ std_”属性不再作为StandardScaler对象出现。

但是

original_means = np.mean(X)
original_stds = np.std(X)

可以解决问题。