R 的可训练 sklearn StandardScaler

Question

R 中是否有类似的东西允许拟合 StandardScaler (resulting into mean=0 and standard deviation=1 features) to the training data and use that scaler model to transform the test data? scale 不提供根据训练数据的均值和标准差转换测试数据的方法。

Python 的代码段：

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit(X_train)

X_train_scaled = scaler.transform(X_train)
X_test_scaled = scaler.transform(X_test)

因为我很确定这是这样做的正确方法 (avoiding the leak of information from the test to the training set) 我想有一个我找不到的简单解决方案。

Answer 1

我相信 R 中的 scale 函数可以满足您的需求。对于您的示例，那只是

X_train_scaled = scale(X_train)

然后，您可以使用缩放后的 X_train:

中的 attr（属性）将缩放后训练集中的均值和标准差应用于测试集

X_test_scaled = scale(X_test, center=attr(X_train_scaled, "scaled:center"), 
                              scale=attr(X_train_scaled, "scaled:scale"))

这将获得与您发布的 example 的转换完全相同的结果

R 的可训练 sklearn StandardScaler

Trainable sklearn StandardScaler for R

python

r

machine-learning

normalization

scikit-learn