scaler.fit_transform()，transform()

背景：

StandardScaler类是一个用来讲数据进行归一化和标准化的类。
所谓归一化和标准化，即应用下列公式：

使得新的X数据集方差为1，均值为0

问题一：
StandardScaler类中transform和fit_transform方法有什么区别？

答：fit_transform方法是fit和transform的结合，fit_transform(X_train) 意思是找出X_train的均值和​​​​​​​标准差，并应用在X_train上。
这时对于X_test，我们就可以直接使用transform方法。因为此时StandardScaler已经保存了X_train的均值和标准差

1. 二者的功能都是对数据进行某种统一处理（比如标准化~N(0,1)，将数据缩放(映射)到某个固定区间，归一化，正则化等）
2. fit_transform(partData)对部分数据先拟合fit，找到该part的整体指标，如均值、方差、最大值最小值等等（根据具体转换的目的），然后对该partData进行转换transform，从而实现数据的标准化、归一化等等。。
3. 根据对之前部分fit的整体指标，对剩余的数据（restData）使用同样的均值、方差、最大最小值等指标进行转换transform(restData)，从而保证part、rest处理方式相同。
4. 必须先用fit_transform(partData)，之后再transform(restData)
5. 如果直接transform(partData)，程序会报错
6. 如果fit_transfrom(partData)后，使用fit_transform(restData)而不用transform(restData)，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
    

问题二：
为什么可以用训练集的​​​​​​​均值和​​​​​​​标准差 来transform 测试集的数据X_test?

答：“机器学习中有很多假设，这里假设了训练集的样本采样足够充分”。

https://www.jianshu.com/p/2a635d9e894d

https://blog.csdn.net/anecdotegyb/article/details/74857055

https://www.cnblogs.com/cherishZhang/p/4267113.html