如何在使用sklearn.预处理的StandardScaler时保留原始的方法/stddevs？

Question

我正在使用python自学回归，并在指南中看到了以下代码。很明显，它调用了ScandardScaler - fit_transform方法，但也尝试存储平均值和std偏差(以便在以后标准化)。

from sklearn.preprocessing import StandardScaler

observations = len(dataset)
variables = dataset.columns
standardisation = StandardScaler(copy = False, with_mean = True, 
with_std = True)
Xst = standardization.fit_transform(X)
original_means = standardisation.mean_
original_stds = standardisation.std_
Xst = np.column_stack((Xst, np.ones(observations)))
y = dataset['Target'].values`

由此产生的错误是

AttributeError: StandardScaler对象没有属性“mean_”

Answer 1

...so发现，从Scikit学习版本0.17开始，属性"mean_“和”std_“不再以StandardScaler对象的形式出现。

但

original_means = np.mean(X)
original_stds = np.std(X)

会成功的。

Answer 2

实际上，上面的代码是错误的。两个变量之间的拼写错误是实际的标准标度转换的问题，它被命名为标准化standardization.fit_transform(X)，但是所要求的平均值是standardisation.mean_ -- 'z‘vs’‘差异