使用sklearn StandardScaler意外获得不同的标准化数据

Question

我使用scikit-learn的standardScaler类在同一数据集上构建的两个缩放器获得了不同的标准化值。

我已经使用Scikit-learn在具有52个功能的训练数据集上构建了StandarScaler对象。我们称它为Scaler1。然后，我使用该缩放器对训练数据集进行标准化，并在标准化数据上学习不同的模型。这导致了具有选定功能的最佳模型（52个中的26个）。为了实现使用该模型的预测器类：（1）我仅抓取了原始（非标准化）数据集中与26个所选要素相对应的列；然后（2）我通过拟合新创建的数据集来创建并保存（使用joblib）新的StandarScaler对象。我们称它为Scaler2。以下是我的实现的简单概述。

scaler = StandardScaler()
scaler.set_params (**parameters)
scaler.fit(data)
joblib.dump(scaler, destination)

与我的预期相反，在尝试对原始数据集进行标准化时，与Scaler1相比，Scaler2为我提供了26个功能中每个特征的相同数据点的不同值。标准化不是针对每一行独立进行吗？我该如何解决这个问题？

最好， 扬尼克

Answer 1

此问题已解决。重要的是要确保处理要素的顺序保持不变，因为标准化模型似乎没有保存要素的名称。