fit_transform(X) vs fit_transform(X，y)

Question

我正在使用minmax scaler来缩放X，Y数据。我看到一些人只是分别缩放x和y，如下所示：

from sklearn.preprocessing import MinMaxScaler
sc=MinMaxScaler()
X=dataset.iloc[:,0:13]
y=dataset.iloc[:,13].values
Xnorm=pd.DataFrame(data=sc.fit_transform(X))
yshape=pd.DataFrame(data=y.reshape(-1,1))
ynorm=pd.DataFrame(data=sc.fit_transform(yshape))

Xnorm.shape
(506, 13)

我想知道是否可以同时缩放x和y，如下所示

datanorm=pd.DataFrame(data=sc.fit_transform(X,y))
datanorm.shape
(506, 13)

但是，datanorm与ynorm完全相同，只有13列。我期望datanorm应该有14列，其中13列来自x，1列来自y。我的理解正确吗？谢谢你的帮助。

Answer 1

因为在某些算法中，我们需要归一化/缩放特征(X)，而不是标签(y)。那么为什么不申请标签呢？

在ML中重新思考下面的步骤。首先，我们选择一个模型来处理训练数据。其次，对数据进行训练，找出利用这些数据的最佳参数。第三，我们使用该估计器来预测(推断)来自测试特征(X_test示例)的输出(标签)。

因此，如果您规格化/缩放标签，您的模型(第二步中的参数)仅适用于规格化/缩放的标签。第三步的推理值将是低分。