StandardScaler如何不会破坏数据完整性？

Question

由于使用sklearns的StandardScaler对初始数据进行了归一化，因此初始数据不再相同就不是问题了吗？

示例：

from sklearn.preprocessing import StandardScaler
import numpy as np


data = np.array([[1,1],[2,0]])
scaler = StandardScaler()
scaled_data = scaler.fit_transform(data)

print(data)
[[1 1]
[2 0]]

print(scaled_data)
[[-1.  1.]
 [ 1. -1.]]

如您所见，由于归一化，数据不相同。

由于数据不同以及在哪种情况下适合执行规范化（基本上，我们对具有负值的数据执行此操作，但我指的是在什么过程中合适），该更改如何不影响将来的处理结果？

Answer 1

让我们去官方文档看看这个功能： https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.StandardScaler.html

由此，我们可以看到以下公式： 样本x的标准分数计算如下：

z =（x-u）/ s 在这里，u-均值＆s-标准差

根据正态分布定理，我们可以使用上述公式和分布来表示任何数据。

从几何上讲，我们要减去具有相同值的字段/列的所有值，然后除以另一个相同的值。

我们只是在缩放数据，因此，数据完整性不会丢失

Answer 2

要记住的另一点是sklearn中StandardScaler类的默认设置不会不默认情况下就地修改数据：

“ copy：布尔值，可选，默认为True 如果为False，请尝试避免复制并改为就地缩放。不能保证总是在原地工作；例如如果数据不是NumPy数组或scipy.sparse CSR矩阵，则可能仍会返回副本。”

因此，在上面，由于您已将结果分配给 scaled_data 名称，因此只要不更改以下内容，由 data 引用的对象将保持不变。 copy = StandardScaler中的True默认参数。