最近学习了sklearn中数据的标准化其实出了fit_transform函数

概述

1. fit()

fit函数主要用来计算一组数据的特征值，例如平均值，方差，中位数等等固定属性。

2.transform

transform这个函数主要是就是进行标椎化，降维，归一化等操作

3.fit_transform

fit_transform这个函数主要就是将上述fit函数和transform函数结合起来一步操作，例如标椎化过程，首先计算方差和平均值，然后再进行标准化（比如标准化~N(0,1)）。

注：

根据对之前部分trainData进行fit的整体指标，对剩余的数据（testData）使用同样的均值、方差、最大最小值等指标进行转换transform(testData)，从而保证train、test处理方式相同。所以，一般都是这么用：

from sklearn.preprocessing import StandardScaler
std = StandardScaler()
std.fit_tranform(X_train)
std.tranform(X_test)

• 必须先用fit_transform(trainData)，之后再transform(testData)
• 如果直接transform(testData)，程序会报错
• 如果fit_transfrom(trainData)后，使用fit_transform(testData)而不transform(testData)，虽然也能归一化，但是两个结果不是在同一个“标准”下的，具有明显差异。(一定要避免这种情况)