我正在构建逻辑回归分类器。
我从一组50万条记录开始，我只想使用其中的一个样本。
您推荐什么？
1）按比例缩放人口，然后抽样 2）缩放样本 3）仅缩放样本的X_TRAIN分割？
为什么？
我的考虑因素是：
1）如果样本可以代表总体（我应该测试吗？）
2）这并不令人信服，因为我将尝试几个示例以查看分类器的泛化级别，并且每次使用略微不同的缩放器听起来都不是一件好事。加上它会偏向X_train，X_test拆分
3）这不会偏向X_train，X_test拆分，但对point2的怀疑相同。
您会推荐什么，为什么？
答案 0 :(得分：1)
精彩的问题。几年前刚开始时，我心中也有类似的问题。让我尝试为此付出两分钱。
我建议继续创建用于缩放X_train的缩放器，存储缩放器，并查看是否使用它来转换X_test。根据中心性定理，如果您进行了随机抽样，则应该具有与总体属性相似的均值和方差。在大多数情况下，缩放器基于这两个参数工作。如果它代表总体参数，则只要测试数据来自同一总体，定标器就可以工作。如果它不起作用，则需要更多样本进行训练或尝试进行其他采样以获取代表人口的X_train。
通过这样做，您可以确定只要模型是通过相同的过程生成的，该模型也将适用于新样本。毕竟，该模型并不是为测试而构建的，而是要在生产中进行一些有用的工作。
我的建议是3）缩放X_train并使用缩放器转换X_test。