Modelos baseados em distância comparam valores numéricos, e modelos lineares penalizados comparam o tamanho dos coeficientes. Uma distância medida em milhas e uma contagem de um só dígito podem influenciar esses cálculos de forma diferente por causa de suas unidades. O StandardScaler subtrai a média de treinamento de cada entrada e divide pela escala de treinamento dela.
Ajuste o escalonador com as entradas de treinamento e use depois esse objeto ajustado em todas as partições seguintes. Ajustar um novo escalonador com o conjunto de teste muda o significado das coordenadas dele e vaza informações sobre a sua distribuição. Você também vai lidar com uma entrada constante: o scikit-learn a converte em zero, sem produzir um valor infinito. Estes exercícios mantêm visíveis as duas matrizes transformadas para que você examine o efeito em linhas conhecidas e novas antes de colocar o escalonamento dentro de um pipeline de modelo.
A padronização subtrai a média do treinamento de cada coluna e divide pela escala dela no treinamento. Uma coluna constante vira zero; o scikit-learn evita a divisão por zero.