假设我有一个shape的10特征数据集和一个Xshape[100, 10]的y目标数据集[100, 1]。例如，将两者分开后，sklearn.model_selection.train_test_split我得到：
X_train: [70, 10]X_test: [30, 10]y_train: [70, 1]y_test: [30, 1]应用标准化的正确方法是什么？
我试过：
from sklearn import preprocessing
scaler = preprocessing.StandardScaler()
scaler.fit(X_train)
X_train_std = scaler.transform(X_train)
X_test_std = scaler.transform(X_test)
但是如果我尝试使用模型进行预测，当我尝试反转缩放以查看 MAE 时，我会出错
from sklearn import linear_model
lr = linear_model.LinearRegression()
lr.fit(X_train_std, y_train)
y_pred_std = lr.predict(X_test_std)
y_pred = scaler.inverse_transform(y_pred_std) # error here
我还有一个问题。由于我有目标值，我应该使用
scaler = preprocessing.StandardScaler()
X_train_std = scaler.fit_transform(X_train, y_train)
X_test_std = scaler.transform(X_test)
而不是第一个代码块？
我是否也必须将转换应用于y_train和y_test …