在使用随机森林和 SVM 的同时使用 DataPreparer 规范化我的数据后，为什么我的数据值变为负数？

Question

我正在研究预测建模，我需要预测在线客户是否最终会在网站上购买产品，并且我正在使用随机森林分类器和 SVM，因为这是一个分类问题。

在为训练、测试和验证集创建拟合拆分后，我对数据进行了虚拟化、标准化和规范化。 但是，在我对集合进行归一化后，它们的值都变为负数。 有没有办法改变它，为什么会发生？

我用来标准化我的拟合集的代码如下：

data_preparer = DataPreparer(one_hot_encoder, standard_scaler)
data_preparer.prepare_data(fitting_splits.train_set).head()
data_preparer.prepare_data(fitting_splits.validation_set).head()

Answer 1

我认为 sklearn.preprocessing.StandardScaler 的文档可以在这里提供帮助：

样本 x 的标准分计算如下：

z = (x - u) / s

其中 u 是训练样本的平均值，如果 with_mean=False，则为 0，s 是训练样本的标准差，如果 with_std=False，则为 1。

根据这个等式，如果 x（当前被缩放的单个值）小于变量的平均值，那么您的缩放值将为负数。