reshape的疑问

Question

老师，对于下面这句代码
x_train_scaled = scaler.fit_transform(
x_train.astype(np.float32).reshape(-1, 1)).reshape(-1, 28, 28)
这里 x_train.astype(np.float32).reshape(-1, 1)为什么要reshape成（-1,1），不应该是reshape成（-1,28*28）吗

Answer 1

正十七 2019-10-17 22:45:55

https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.StandardScaler.html#sklearn.preprocessing.StandardScaler.fit_transform

这里需要注意两点：

第一点：fit_transform的输入必须是二维矩阵[n_examples, features],

第二点：fit_transform会在每个feature上单独计算均值和方差然后做归一化，我们在这里需要的是全局的均值和方差，所以最后一维是1.

• 提问者 wxz123 #1

  老师，假如有n个样本，每个样本有m个特征，对于sklearn中StandardScaler的fit_transform方法，我的理解是对m组（每组有n个数）特征分别进行独立的归一化处理，而咱们课程中讲的是将n_examples*28*28看成一整个大组，对整个整个大组进行归一化，看成一个大组这样做的目的是要比对28*28组分别进行独立归一化处理的效果要好吗？还是有什么别的目的呢？

• MSOP 回复 提问者 wxz123 #2

  同问，好像是每个特征单独归一化,，单从最后准确率看不出问题，因为归一化本质不影响训练的正确性，只是加快速度和准确率