sklearn learning_curve和StandardScaler

Question

我想知道sklearn.model_selection learning_curve是否可以使用或確實使用sklearn.preprocessing StandardScaler。 我已經研究了實現，但是我的技能水平還不足以得出結論。 所有使用learning_curve的教程都將整個數據集傳遞給learning_curve，learning_curve會將數據分為訓練集和測試集。

適用於所有估算器的所有教程都將數據分為訓練和測試，然后僅縮放訓練數據，並使用訓練數據標度轉換測試數據。 哪個完全明白。

我應該先縮放整個數據集，然后再將其傳遞給learning_curve。 我確實知道learning_curve將使用k折或其他交叉驗證方法，所以它是否重要，因為交叉驗證會平均所有結果？

謝謝，

Answer 1

learning_curve不會自行實現StandardScaler 。 您可以創建一個Pipeline作為您的估算器，第一步是StandardScaler然后使用您下一步要使用的任何估算器。 這樣，當您在每次cv迭代期間調用learning_curve時，您都在訓練倍數上同時對定標器和估計量進行訓練，並且在每次迭代中針對測試倍數來驗證性能。

您不希望在調用learning_curve之前縮放整個數據集。 原因是在訓練模型之前縮放整個集合會引入偏差，因為您使用的數據將用於驗證訓練模型，這可能會導致過度擬合。