sklearn StandardScaler返回全零

sklearn StandardScaler返回全零

当您尝试将对象的

fit_transform

方法应用于

StandardScaler

大小为（1，n）的数组时，您显然会得到全零，因为对于数组的每个数字，您要从中减去该数字的均值，该均值等于number并除以std数。如果要正确缩放数组，则应将其转换为大小为（n，1）的数组。您可以这样进行：

import numpy as npX = np.array([1, -4, 5, 6, -8, 5]) # here should be your X in np.array formatX_transformed = scaler.fit_transform(X[:, np.newaxis])

在这种情况下，您将通过对象的功能获得一个对象的标准缩放比例，这不是您要找的。
如果要按3个对象的一个​​要素进行缩放，则应将

fit_transform

大小为（3，1）的方法数组传递给每个对象对应的特定要素的值。

X = np.array([0.00000000e+00, 9.49627142e-04, 3.19029839e-04])X_transformed = scaler.fit_transform(X[:, np.newaxis]) # you should get# array([[-1.07174217], [1.33494964], [-0.26320747]]) you're looking for

而且，如果要使用已经安装的StandardScaler对象，则不应该使用

fit_transform

method，因为它会用新数据重新调整对象。

StandardScaler

具有

transform

方法，可用于单次观察：

X = np.array([1, -4, 5, 6, -8, 5]) # here should be your X in np.array formatX_transformed = scaler.transform(X.reshape(1, -1))