StandardScaler 对 TEST 数据进行转换后 ML 模型的性能
Performance of ML model after StandardScaler transform on TEST data
概述：我是 ML 新手，正在学习 sklearn 预处理。我发现当我们对 TEST 数据使用 sklearn 预处理转换时，mean 不会是 0 并且 std 不会是 1（原因是我们正在使用 TRAIN 数据 mean/std 来标准化测试数据）。
我的问题：如果测试数据以这种方式标准化（未正确标准化为均值 0 和标准差 1 的高斯正态分布），那么这会影响 ML 算法的预测吗？我的理解是 ML 预测的准确性较低，因为我们为 ML 模型提供了错误标准化的数据。
Code screenshot for mean and std
这应该告诉您的是，您的训练集和测试集可能具有不同的分布。如果您的训练集不能代表全球人口（此处由 TEST 数据代表），那么该模型将无法很好地概括。
如果您的测试数据不是以 1 个标准为中心且以零为中心，那完全没问题。这种转换的目的是让所有数据都在同一范围内，否则许多算法会错误地（相对于用户意图）更新模型。通过应用此转换，您表示 "all features equally important".
没有"incorrectly standardized data"这样的东西（你描述的方式），只有训练数据不具有代表性。
概述：我是 ML 新手，正在学习 sklearn 预处理。我发现当我们对 TEST 数据使用 sklearn 预处理转换时，mean 不会是 0 并且 std 不会是 1（原因是我们正在使用 TRAIN 数据 mean/std 来标准化测试数据）。
我的问题：如果测试数据以这种方式标准化（未正确标准化为均值 0 和标准差 1 的高斯正态分布），那么这会影响 ML 算法的预测吗？我的理解是 ML 预测的准确性较低，因为我们为 ML 模型提供了错误标准化的数据。
Code screenshot for mean and std
这应该告诉您的是，您的训练集和测试集可能具有不同的分布。如果您的训练集不能代表全球人口（此处由 TEST 数据代表），那么该模型将无法很好地概括。
如果您的测试数据不是以 1 个标准为中心且以零为中心，那完全没问题。这种转换的目的是让所有数据都在同一范围内，否则许多算法会错误地（相对于用户意图）更新模型。通过应用此转换，您表示 "all features equally important".
没有"incorrectly standardized data"这样的东西（你描述的方式），只有训练数据不具有代表性。