怎样在Python中处理特征缩放与归一化

老强吖_2668

老强吖_2668

2026-11-16

478人浏览

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

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。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

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。

2023.07.20

1931

4

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。

2023.07.25

5464

7

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。

2023.07.31

1889

3

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。

2023.08.03

33297

23

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。

2023.08.04

3907

5

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。

2023.08.04

3927

5

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。

2023.08.11

1283

5

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。

2023.08.10

616

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3043

5

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