问题描述
我对 sklearn.preprocessing.StandardScaler（以及 sklearn.preprocessing.scale）的使用有些困惑。许多突出的例子对训练集和测试集应用了单独的缩放器：
X_train_scaled = scale(X_train)
X_test_scaled = scale(X_test)
虽然其他人对两组应用相同的缩放器：
scaler = StandardScaler()
scaler.fit(X=train_x)
train_x = scaler.transform(train_x)
test_x = scaler.transform(test_x)
实际上，在这种情况下，您不能先缩放完整集，然后再将其拆分吗？还是让分类器提前看到测试数据？
对我来说，直觉上，第二个版本是有道理的，否则它将是测试集的不同缩放器，并且会对后续步骤产生影响。
谁能确认哪种方法是正确的，并解释原因？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）