在训练数据上使用MinMaxScaler生成std、min和max，用于测试d

Question

我该如何使用scikit learnMinMaxScaler来标准化pandas数据帧训练数据集中的每一列，但在我的测试数据集中使用完全相同的标准偏差，最小/最大公式？在

因为我的测试数据对模型来说是未知的，所以我不想标准化整个数据集，对于未来未知的数据，这将不是一个精确的模型。相反，我希望使用训练集将0&1之间的数据标准化，并对测试数据的公式使用相同的std、min和max数字。在

（很明显，我可以编写自己的minmax scaler，但是想知道scikit learn是否已经可以做到这一点，或者是否有一个库可以首先用于此操作）

Answer 1

你应该能够fit在你的训练数据上，然后transform你的测试数据：

scaler = MinMaxScaler()
scaler.fit(X_train)
X_train_scaled = scaler.transform(X_train)  # or: fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

你的做法现在看来是个好做法。如果你对你的整个X矩阵调用fit（训练和测试组合），你将导致信息泄漏，因为你的训练数据会事先“看到”测试数据的规模。使用MinMaxScaler()的基于类的实现是sklearn具体解决这一问题的方法，允许对象“记住”适合它的数据的属性。在

但是，请注意，MinMaxScaler()并不是扩展到~N（0，1）。事实上，它被明确地称为这种缩放的替代品。换句话说，它不能保证你的单位方差或0均值。事实上，它并不关心传统意义上定义的标准差。在

从docstring：

The transformation is given by:

X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
X_scaled = X_std * (max_ - min_) + min_

其中min_和max_等于MinMaxScaler()的feature_range（默认(0, 1)）中的{}。手动设置为：

^{pr2}$

所以假设你有： 将numpy作为np导入 从sklearn.model_选择导入列车测试分割

np.random.seed(444)

X = np.random.normal(loc=5, scale=2, size=(200, 3))
y = np.random.normal(loc=-5, scale=3, size=X.shape[0])
X_train, X_test, y_train, y_test = train_test_split(
    X, y, random_state=444)

如果你打电话

scaler = MinMaxScaler()
X_train_scaled = scaler.fit_transform(X_train)

要知道^{}是进行拟合的数据的标准偏差。在

scaler.scale_
# array([ 0.0843,  0.0852,  0.0876])

X_train.std(axis=0)
# array([ 2.042 ,  2.0767,  2.1285])

相反，它是：

(1 - 0) / (X_train.max(axis=0) - X_train.min(axis=0))
# array([ 0.0843,  0.0852,  0.0876])