关于特征变换的时机
来源：7-4 非监督评估
迷途20191129
2020-12-01
途索老师，对于特征变换的时机我想请教如下几点：
1、如果只有训练样本，是应该先做train_test_split还是先做特征的变换（例如MinMaxScaler）后再进行数据集的切分？
2、如果我同时还有一份预测样本，此时对预测样本做数据清洗的原则如何把握呢？例如对预测样本用均值填补缺失值的话，我是否应该用训练集的均值去填补这个测试集的缺失值呢？
写回答
1回答
-
途索
2020-12-05
同学你好，
1、应该先minmax，再split；
2、举例来说，如果训练样本minmax时，min是1，max是3，预测样本min是1.5，max是2.5，预测归一化还是要按照训练样本的特征处理方式处理（min1，max3）。
这么做的原因，是在预测时，应该只把训练样本得到的处理方法带入，而不应该带入预测样本的整体信息。所以以上替换异常值，也要用训练样本的均值。00
相似问题