python - 为什么对测试数据调用 Transform() 会返回数据尚未拟合的错误？

Question

在执行特征缩放时，不要将变量分配给 StandardScaler()，编码如下:

from sklearn.preprocessing import StandardScaler

x_train = StandardScaler().fit_transform(x_train)

x_test = StandardScaler().transform(x_test)

它给出以下错误:

NotFittedError: This StandardScaler instance is not fitted yet. Call'fit'with appropriate arguments before using this method.

然而，以下代码可以正常工作(在向 StandardScaler() 提供标识符之后):

from sklearn.preprocessing import StandardScaler

sc_x = StandardScaler()

x_train = sc_x.fit_transform(x_train)

x_test = sc_x.transform(x_test)

这里，x_train 是训练数据集，x_test 是测试数据集。

有人可以解释一下为什么会发生这种情况吗？

Answer 1

当您调用StandardScaler()时，您将创建一个standscaler类的新(也称为未安装)对象。如果您想使用它，则必须先安装它，然后才能使用它转换任何数据。

您“告诉”代码要做的事情是(伪代码):

1. 创建一个新的缩放器对象
2. 使其适合您的训练数据
3. 创建另一个新的缩放器对象
4. 不适合任何东西，但用它来转换一些数据

在第二个示例中，您创建了一个缩放器对象，将其适合您的数据，然后使用相同对象来转换您的测试数据(这是正确的使用方法)