单元四
第14课 标准化 StandardScaler 为何重要
一、任务目标
对比「未标准化」与「标准化」对近邻分类的影响。
二、核心概念讲清楚
StandardScaler 把特征变成均值约 0、方差约 1。务必在训练集上 fit，再 transform 训练/测试。
- fit 只在训练集做
- transform 用于 train 与 test
- 测试集不要单独重新 fit 一套均值方差（泄漏）
1划分数据先 split
2scaler.fit(X_train)学均值方差
3transform 两边得到缩放后的 X
4再训练模型用缩放后的特征
三、跟着想一遍（小例子）
身高 170、体重 60，量纲不同；标准化后两者对距离的贡献更均衡。
易错：用全体数据（含测试）fit scaler。
正确：只在 train 上 fit，再 transform test。
想一想：为什么测试集不能参与 fit scaler？（提示：考试不能偷看答案分布。）
四、解题思路
任务：对比「未标准化」与「标准化」对近邻分类的影响。 先想清楚：输入是什么、处理后得到什么、屏幕上应出现什么。
本课主要用到：屏幕输出。
- 1明确任务「对比「未标准化」与「标准化」对近邻分类的影响。」：运行后你希望看到什么结果（文字、图形或计算结果）。
- 2用 print 把结果说出来，确认屏幕上出现预期内容。
- 3对照参考代码跑通后，只改一个参数，观察结果如何变化。
流程示意（可对照左侧文字）
五、语句功能讲解
本课用到的 Mixly 图形块均已在前面的课讲过。请直接对照编程练习搭积木；若有遗忘，回到该积木首次出现的课页复习。
六、知识点讲解
特征缩放让不同量纲的特征可比；许多距离型／梯度型算法需要先缩放。
先弄清本课输入与输出，再进编程练习对照现象。
七、编程练习
先理解上面的例子，再在下方 Mixly 运行与检查（含 scikit-learn）。
对比两行正确率。
参考代码（对照抄写到下方 Mixly）
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score
# 特征1：年龄；特征2：收入（数值大很多）
X = [[15, 1000], [16, 1200], [15, 1100], [40, 8000], [42, 8500], [41, 8200]]
y = [0, 0, 0, 1, 1, 1]
X_test = [[16, 1300], [41, 8100]]
y_test = [0, 1]
clf_raw = KNeighborsClassifier(n_neighbors=1).fit(X, y)
print("未标准化正确率:", accuracy_score(y_test, clf_raw.predict(X_test)))
scaler = StandardScaler()
X_s = scaler.fit_transform(X)
X_test_s = scaler.transform(X_test)
clf_s = KNeighborsClassifier(n_neighbors=1).fit(X_s, y)
print("标准化后正确率:", accuracy_score(y_test, clf_s.predict(X_test_s)))
正在载入编程环境
正在载入 Mixly 文本编程环境…
八、课堂练习
先完成两道正误判断，再做其余题目；选出后点「检查」。
判断：只抄参考代码，不看运行输出，也不改参数验证。
判断：先跑通，再对照「StandardScaler」改一处输入/参数，确认输出按预期变化；答错小测时读讲解。
对测试集应使用？
StandardScaler 主要帮助？
九、本节小结
特征量纲差太大时，先标准化再交给对距离敏感的模型。