Scikit-learn pipeline执行fit_transform返回全零列表问题求解

问题根源 #

• 你调用fit_transform()时仅传入1条样本作为训练集，StandardScaler的计算规则为*(原值 - 对应特征的训练集均值) / 对应特征的训练集标准差*：
  1. 单样本训练场景下，每个特征的训练集均值就是该特征在这条样本上的取值，原值 - 特征均值直接等于0
  2. 单样本训练场景下每个特征的训练集标准差为0，scikit-learn会自动将标准差为0的特征的分母替换为1避免报错，最终计算结果就会全为0
• 你期望的输出，是基于完整训练集拟合得到的pipeline对这条单样本做变换的结果，而非用单样本自己拟合自己再做变换的结果。

解决方法 #

1. 先使用完整的训练数据集拟合pipeline，不要用待预测的单样本做拟合：

# full_train为你的完整训练集，形状为(总训练样本数, 13)
my_pipeline.fit(full_train)

2. 拟合完成后调用transform()方法处理待预测的单条样本，即可得到预期输出：

getting = my_pipeline.transform(real)

内容的提问来源于stack exchange，提问作者puranjan