在使用随机森林和SVM时，使用DataPreparer对数据进行标准化后，为什么我的数据值会变为负面？

Question

我正在研究预测建模，我需要在网站上预测在线客户是否最终在网站上购买产品，并且由于这是一个分类问题，我正在使用随机森林分类器和SVM。

在创建用于培训，测试和验证集的拟合拆分之后，我对数据进行伪造，标准化和标准化。但是，在我将集合归一化之后，它们的值都变为负面。有没有办法改变这一点，为什么会发生这种情况？

我用来将拟合集正常化的代码如下：

data_preparer = DataPreparer(one_hot_encoder, standard_scaler)
data_preparer.prepare_data(fitting_splits.train_set).head()
data_preparer.prepare_data(fitting_splits.validation_set).head()

Answer 1

我认为Sklearn.preprocessing.standardscaler的文档可以在这里提供帮助：

样品x的标准分数计算为：

z =（x -u） / s < / p>

u是训练样本的平均值或零
with_mean = false，S是训练的标准偏差
样本或一个如果with_std = false。

基于此方程，如果x（当前缩放的个体值）小于变量的均值，则您的缩放值将为负。