讲师中心 微信公众号

工具推荐

视频效率加速
updream

一键生成高质量推广成片

剧云
剧云

中文短剧剧本制作平台

Laper
Laper

剧本策划到成片协作

立刻MV
立刻MV

低成本歌曲 MV、视频生成

怎样在Python中处理特征缩放与归一化

老强吖_2668

老强吖_2668

发布时间:2026-11-16 10:00:15

|

478人浏览过

|

来源于php中文网

原创

StandardScaler缩放后数据未中心化是因未正确复用训练集的mean_和scale_;必须先对训练集调用fit_transform()获取参数,再用transform()处理测试集或新样本,否则会导致中心化失效或数据泄露。

怎样在python中处理特征缩放与归一化

sklearn.StandardScaler 为什么缩放后数据不 centered?

常见现象是调用 fit_transform() 后,mean_ 属性有值,但用 transform() 处理新数据时发现均值不是 0——本质是没对新数据重新中心化,而是复用训练集的 mean_。这没错,但容易误以为“没生效”。

关键点在于:StandardScaler 的 centering 和 scaling 都基于训练集统计量,不是实时计算。所以:

  • 必须先用训练集调用 fit() 或 fit_transform(),才能得到可靠的 mean_ 和 scale_
  • 测试集或新样本只能用 transform(),不能 fit_transform(),否则会泄露信息且破坏一致性
  • 如果训练集含缺失值,StandardScaler 默认报错,需先用 SimpleImputer 填充

MinMaxScaler 与 StandardScaler 怎么选?

不是看“谁更高级”,而是看模型是否对量纲敏感、是否假设分布形态:

  • MinMaxScaler 把特征缩放到 [0, 1](默认),适合神经网络输入层、KMeans 聚类、图像像素值等有天然边界场景
  • StandardScaler 假设特征近似正态,适合线性回归、SVM、逻辑回归等依赖距离或梯度的模型
  • 若某特征含明显离群点(如收入字段),StandardScaler 的标准差会被拉大,导致大部分值被压缩到 [-0.5, 0.5];此时改用 RobustScaler 更稳

示例:同一列数据,StandardScaler 输出可能含负数,MinMaxScaler 严格在指定范围内——这点会影响后续是否能直接进 sigmoid 或 softmax。

Python 环境工具专业版
Python 环境工具专业版

Python 环境工具专业版功能概述Python 环境工具专业版是一项面向实际任务的技能。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。核心要点使用时应结合输入条件选择合适的执行方式,核对必要参数、依赖环境与输出内容,并按原始要求处理异常情况。该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。执行完成后建议检查结果是否符合预期,并保留必要记录。使用与执行同时注意输入完整性、执行条件和输出可用性。从功能定位来看,该技能

下载

立即学习“Python免费学习笔记(深入)”;

如何安全地对新样本做归一化?

部署时最常踩的坑:保存了模型,却忘了保存 scaler,或用训练集参数重新拟合了 scaler。

  • 必须持久化 scaler:用 joblib.dump(scaler, 'scaler.pkl'),加载时用 joblib.load('scaler.pkl'),不能新建实例再 fit()
  • 新样本 shape 必须和训练时一致:列顺序、列数、列名(如有)都要匹配,否则 transform() 会按位置对齐,错位缩放
  • 如果训练时用了 pandas DataFrame,transform() 返回的是 numpy array;若需保持 DataFrame 结构,得手动重建:pd.DataFrame(scaler.transform(X), columns=X.columns, index=X.index)

分类变量和时间特征能直接丢给 StandardScaler 吗?

不能。StandardScaler 对非数值型输入直接报错 ValueError: Expected 2D array, got 1D array instead;对已编码的类别标签(如 LabelEncoder 输出的 0/1/2)做标准化也没有意义——它破坏了类别语义,且会让模型误以为 2 比 0 “大三倍”。

  • 分类变量应先做独热编码(OneHotEncoder)或目标编码,再考虑是否缩放(通常 one-hot 后无需缩放)
  • 时间特征如小时、月份,若作为周期变量使用,应转为 sin/cos 特征(如 np.sin(2*np.pi * hour/24)),再送入 scaler
  • 文本向量(如 TF-IDF 输出)本身已是加权数值,可直接 scaler,但要注意稀疏矩阵支持:用 StandardScaler(with_mean=False) 避免破坏稀疏性

真正麻烦的是混合类型 pipeline:必须用 ColumnTransformer 分开处理数值列和类别列,否则一步 fit_transform 就崩。

热门AI工具

更多
DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

切问学术

切问学术是一款AI论文写作工具,复旦大学NLP团队推出的AI学术智能体。

Flowith
Flowith Hot

Flowith是一款基于画布和智能体工作流的 AI 协作工作空间。

VibeKnow
VibeKnow Hot

一款AI视频创作工具,主要用于全球首个AI知识视频创作平台,文档、文章、网页,一键生成视频,适合需要提升相关任务效率的用户。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

二狗PPT
二狗PPT Hot

一款AI演示文稿工具,主要用于专为中式职场打造的AI PPT生成工具,适合需要提升相关任务效率的用户。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

火山引擎

火山引擎是一款面向企业的云计算与AI服务平台。

函子Zion

一款支持AI搭建、可视化编辑和多端发布的全栈无代码开发平台。

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

1931

2023.07.20

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

5464

2023.07.25

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

1889

2023.07.31

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

33297

2023.08.03

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

3907

2023.08.04

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

3927

2023.08.04

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

1283

2023.08.11

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

616

2023.08.10

Go-Zero API开发使用教程
Go-Zero API开发使用教程

本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。

120

2026.11.12

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn