Python sklearn preprocessing.scale（）函数，何时使用？

我正在使用sklearn.neural\u network.mlpclassizer构建一个神经网络：

   clf =  sklearn.neural_network.MLPClassifier(hidden_layer_sizes= (11,11,11),max_iter = 500)

在培训之前，我将使用

preprocessing.scale() 

像这样：

labels = someDataBase.loadLabels()
fetchers = someDataBase.loadFetchers()
fetchers = preprocessing.scale(fetchers)

使用

train\u test\u split

功能，从中创建测试列值，如下所示：

 X_train, X_test, y_train, y_test = train_test_split(fetchers,labels,test_size = 0.2)

然后我把它输入到MLPC分类器的fit函数中

clf.fit(X_train, y_train)

现在我有了一个经过训练的神经网络

我想用它来预测一个新的抓取器 使用MLP分类器的预测方法 此抓取器不是测试抓取器，而是全部新值

我应该再次使用preprocessing.scale（）吗？ 然后把它们输入预测方法？

---

或者直接使用它们？

У我们的方法可能会给出不同的比例因子。它适用于单个缩放作业，但不适用于需要一致转换的作业

我建议您使用

sklearn.preprocessing.StandardScaler

。它有很好的文档记录和示例。 训练时调用

fit\u transform

方法，预测时只调用

transform