StandardScaler缩放结果不一致：如何让同一输入得到相同缩放结果？

这问题我太熟了！你遇到的是StandardScaler最容易踩的坑之一——它的fit()方法会计算当前数据集的均值和标准差，而fit_transform()是先执行fit获取统计量，再用这些值做缩放。

你第一次用整个大矩阵的时候，scaler计算了所有样本的均值和标准差，然后用这些统计量去缩放第一行；但第二次只给单个样本执行fit的时候，这个样本本身就是均值，标准差直接为0，所以缩放后自然全是0，这就导致同一个输入得到完全不同的结果，神经网络肯定没法正常工作。

正确的做法是： #

• 只在训练数据集上调用一次fit()（或者fit_transform()），把scaler的统计量固定下来
• 之后不管是训练集里的样本，还是新的测试/预测样本，都只调用transform()，绝对不要再重新fit()

修改后的代码示例： #

from sklearn.preprocessing import StandardScaler
import numpy as np

# 初始化scaler
sc = StandardScaler()

# 第一步：用完整的训练数据fit，得到统计量
AR = np.array([[1.0,2.0,3.0],[4.0,5.0,6.0],[4.0,11.0,12.0],[42.0,131.0,1121.0],[41.0,111.0,121.0]])
# 对训练集做fit+transform
AR_scaled = sc.fit_transform(AR)
print("训练集缩放后的第一行：")
print([str(m) for m in AR_scaled[0]])

# 第二步：对单个样本（不管是旧的还是新的）只用transform，不要fit
AR1 = np.array([[1.0,2.0,3.0]])
AR1_scaled = sc.transform(AR1)
print("单个样本用训练集统计量缩放后的结果：")
print([str(m) for m in AR1_scaled[0]])

输出结果： #

训练集缩放后的第一行：
['-0.920854068785', '-0.88080603151', '-0.571888559111']
单个样本用训练集统计量缩放后的结果：
['-0.920854068785', '-0.88080603151', '-0.571888559111']

这样就能保证同一个输入每次缩放结果都一致了！本质上就是要让scaler记住训练数据的分布特征，而不是每次都重新计算新的分布。

内容的提问来源于stack exchange，提问作者Brana