问题描述
我阅读了解释“Why feature scaling only to training set?”的答案 ” 答案是“使用训练集均值和标准差对任何测试集进行标准化”
因此，我尝试修复我之前的错误操作。但是，我检查了 StandardScaler() 的 official document，它不支持使用给定的均值和标准值进行缩放。像这样：
from sklearn.preprocessing import StandardScaler
sc = StandardScaler(mean = train_x.mean(),var_x = train.std())
sc.fit(test_x)
# this code is incorrect,but what is the correct code?
所以，我的问题是如何根据 python 中训练集的均值和标准差来缩放测试集。
解决方法
根据官方文档，
with_mean bool,default=True 如果为 True，则在缩放前将数据居中。 这在尝试时不起作用（并且会引发异常） 稀疏矩阵，因为将它们居中需要构建一个密集的 在常见用例中可能太大而无法容纳的矩阵 记忆。
with_std bool,default=True 如果为 True，将数据缩放到单位方差 （或等效的单位标准差）。
所以你可以简单地这样做。
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
sc.fit(test_x)
StandardScaler() 仅将 with_mean 和 with_std 作为布尔值，这意味着它们的值是 True 或 False。