Scikit learn .transform（）在sklearn StandardScaler中到底做了什么？

我现在正在学习StandardScaler。然而，我不明白转换到底是做什么的。在API文档中，它只是说“通过居中和缩放来执行标准化”，有人能解释一下吗？

如果您单击右侧的

[source]

，您可以看到。从第796行到第807行，您将看到

if sparse.issparse(X):
    if self.with_mean:
        raise ValueError(
            "Cannot center sparse matrices: pass `with_mean=False` "
            "instead. See docstring for motivation and alternatives.")
    if self.scale_ is not None:
        inplace_column_scale(X, 1 / self.scale_)
else:
    if self.with_mean:
        X -= self.mean_
    if self.with_std:
        X /= self.scale_

---

您可以看到它在if-else块中执行标准化。

标准定标器函数具有以下公式：

z = (x - u) / s

这里,

此元素转换是按列进行的。 因此，当您调用拟合时，将计算

平均值

和

标准偏差

的值

例如：

输出：

array([[26,  9],
       [29, 39],
       [23, 26],
       [29, 22],
       [28, 41],
       [11,  6],
       [42, 40],
       [ 1, 25],
       [ 0, 39],
       [44, 45]])

array([[ 0.18793099, -1.53862621],
       [ 0.3967432 ,  0.74646222],
       [-0.02088122, -0.24374277],
       [ 0.3967432 , -0.54842122],
       [ 0.32713913,  0.89880145],
       [-0.85613006, -1.76713506],
       [ 1.3015961 ,  0.82263184],
       [-1.55217075, -0.31991238],
       [-1.62177482,  0.74646222],
       [ 1.44080424,  1.20347991]])

现在，安装标准定标器

scale = StandardScaler()
scale.fit(x)

您可以使用

StandardScaler

对象的内置方法查看平均值和标准偏差

# Mean
scale.mean_   # array([23.3, 29.2])

# Standard Deviation
scale.scale_  # array([14.36697602, 13.12859475])

可以使用“变换”方法变换这些值

scale.transform(x)

输出：

array([[26,  9],
       [29, 39],
       [23, 26],
       [29, 22],
       [28, 41],
       [11,  6],
       [42, 40],
       [ 1, 25],
       [ 0, 39],
       [44, 45]])

array([[ 0.18793099, -1.53862621],
       [ 0.3967432 ,  0.74646222],
       [-0.02088122, -0.24374277],
       [ 0.3967432 , -0.54842122],
       [ 0.32713913,  0.89880145],
       [-0.85613006, -1.76713506],
       [ 1.3015961 ,  0.82263184],
       [-1.55217075, -0.31991238],
       [-1.62177482,  0.74646222],
       [ 1.44080424,  1.20347991]])

第一个元素的计算：

z = (26 - 23.3) /  14.36697602
z = 0.18793099