sklearn StandardScaler，不允许直接变换，我们需要fit_transform

Question

fit_transform和transform有什么区别？ 为什么直接转换不起作用？

from sklearn.preprocessing import StandardScaler

 X_scaler = StandardScaler()
 X_train = X_scaler.fit_transform(X_train)
 X_test = X_scaler.transform(X_test)

如果直接转换则会出现以下错误

NotFittedError：此 StandardScaler 实例尚未安装。称呼 在使用此方法之前“适合”适当的参数。

Answer 1

StandardScaler

，如 每个文档：

通过去除均值并缩放至单位方差来标准化特征

因此它需要首先以某种方式了解数据的均值和方差。 因此需要

fit()

或

fit_transform()

以便

StandardScaler

可以遍历所有数据来找到均值和方差。那些可以访问 按属性：

mean_：训练集中每个特征（列）的平均值。

var_：训练集中每个特征的方差。

请注意，这些将针对数据中的每一列单独计算。

在

transform()

中，它将仅使用那些

mean

和

variance

值来缩放数据。

现在您可能会说为什么它不在

transform()

期间计算这些属性。这样做是为了使测试数据的缩放方式与训练数据的缩放方式相同（来自

fit_transform()

）。如果您在每次调用

transform()

时计算数据的均值和方差，那么所有传递的数据将具有不同的比例，这不是您想要的。

对于所有 scikit 变压器来说都是如此。

1)

fit()

- 只会遍历数据并保存数据的所有需要的属性

2)

transform()

- 使用

fit()

中保存的属性来更改数据

3)

fit_transform()

- 效用函数

fit()

，然后

transform()

相同的数据。

通常您会在训练数据上调用

fit_transform()

，而在测试数据上仅调用

transform()

。

Answer 2

您需要记住平均值_和比例_，如下所示：

您可以在拟合模型后打印平均值_和比例_。

scalerModel = StandardScaler()
X = scalerModel.fit_transform(X)
print("scalerModel mean: ", **scaler**.mean_)
print("**Scaler** scale: ", **scaler**.scale_)

示例值如下：

scalerModel mean: [ 9.978054e+05, 1.904232e+01,5.000918e+01] 
scalerModel scale: [ 5.75234545e+05,1.15379326e+01,2.83283511e+01]

当您再次需要 Scaler 时，即进行预测时（scaler1 是新的缩放器，以确保不要使用旧的缩放器）： 当您在加载模型后或通过任何其他方式需要缩放器时，创建一个新的缩放器并设置从上面恢复的mean_和scale_值。

scaler1 = StandardScaler()
scaler1.mean_ = np.array([ 9.978054e+05, 1.904232e+01,5.000918e+01])
scaler1.scale_ = np.array([ 5.75234545e+05,1.15379326e+01,2.83283511e+01]) 

# then use it to transform your data
X = scaler1.transform(X)