StandardScaler测试集只能用transform，因fit会计算其均值和标准差导致数据泄露；必须用训练集fit得到的mean_和scale_统一缩放，确保训练与预测尺度一致。
StandardScaler 的 fit 和 transform 不能混用在测试集上
因为 fit 会计算均值和标准差，transform 只是套用这些参数做线性变换。如果你对测试集单独调用 fit_transform，就等于用测试集自己的统计量去标准化它——这相当于“偷看答案”，模型在评估时已经隐式地知道了测试数据的分布特征。
训练集 fit 后的参数必须复用到测试集
真实业务中，新来的预测数据没有标签、也没有全局统计信息，只能依赖建模时从训练集学到的缩放规则。所以测试集必须用训练集 fit 出来的 mean_ 和 scale_ 做 transform：
-
stdScale = StandardScaler().fit(X_train)—— 只在这里算 μ 和 σ -
X_train_scaled = stdScale.transform(X_train)—— 训练数据按规则转换 -
X_test_scaled = stdScale.transform(X_test)—— 测试数据严格复用同一组 μ 和 σ
如果错误地写成 StandardScaler().fit_transform(X_test)，会导致两个问题：一是测试集均值被强行拉到 0（但该均值本不该参与建模），二是模型对新样本的预测逻辑失效。
验证集或线上数据也得走同样路径
哪怕你加了验证集，或者后续有实时 infer 数据，都必须复用训练集 fit 得到的 scaler 对象。常见错误包括：
立即学习“Python免费学习笔记（深入）”；
- 保存模型时只存了
pipeline但漏掉 scaler，加载后 scaler 未初始化 - 用 pandas 的
apply手动标准化，却忘了用训练集的mean()和std(ddof=0) - 跨 fold 独立 fit scaler，导致每个 fold 使用不同尺度，破坏可比性
scaler 的状态（mean_、scale_）一旦生成，就必须冻结并复用——这是部署阶段最易被跳过的硬约束。
为什么不用测试集统计量？看一个具体数值例子
假设训练集某特征取值为 [1, 2, 3, 4]，均值 μ=2.5，标准差 σ≈1.118；测试集同特征为 [5, 6]：
- 正确做法：
(5−2.5)/1.118 ≈ 2.24，(6−2.5)/1.118 ≈ 3.13—— 映射到训练集尺度空间 - 错误做法：对 [5, 6] 单独
fit，得 μ=5.5，σ=0.707，结果变成 [−0.707, 0.707] —— 完全脱离原始训练分布
模型看到 −0.707，会把它当作接近训练集均值的普通值，但实际它对应的是远超训练范围的极端值——这种尺度错位直接破坏泛化能力。
