为什么我们需要将数据的转置传递给 sklearn StandardScaler()？

Question

我有一组数据，每一行代表一个基因，每一列代表一个样本。

我想先归一化，再进行PCA。我在网上搜索了一下，发现我们需要将数据帧的转置传递给 sklearn.preprocessing.StandardScaler() 函数。

这是我的代码：

scale_df = sklearn.preprocessing.StandardScaler().fit_transform(df.iloc[:, 1:col].T)

pca = sklearn.decomposition.PCA()
pca_data = pca.fit_transform(scale_df.T)

这是我不确定的部分。首先，为什么我们需要将数据的转置传递给 StandardScaler()？第二，我们把数据的transpose传进去之后，得到的scaled data frame还是转置的，会不会影响我们PCA的结果？我们是否应该在将其传递给 PCA 之前将其转回正常状态？

Answer 1

scikit-learn 库遵循一种约定，即行代表观察单位（人、产品、国家等），列代表不同的特征（身高、体重、金钱等）。由于你的数据在每一列中都有一个样本（我认为这是观察单位），你需要转置你的数据以采用约定。

您不需要转置缩放后的数据，因为 StandardScalar 和 PCA（以及大多数 scikit-learn 类）都遵循相同的约定（以行为单位）。

为什么我们需要将数据的转置传递给 sklearn StandardScaler()？

Why do we need to pass the transpose of a data into sklearn StandardScaler()?

python

machine-learning

normalization

pca

scikit-learn