為什麼只對訓練集進行特徵縮放？

我正在關注“Aurelien Geron”的“Hands-On Machine Learning with Scikit-Learn & TensorFlow”一書。

以下是關於特徵縮放的評論：-

與所有轉換一樣，重要的是僅將縮放器擬合到訓練數據，而不是完整數據集（包括測試集）。只有這樣你才能使用它們來轉換訓練集和測試集（以及新數據）

我對上述文字的理解是，特徵縮放只在訓練而不是在測試集上進行。這種解釋正確嗎？

如果是，那麼不對測試數據集使用特徵縮放的原因是什麼？

不完全的。您了解訓練集的均值和標準差，然後：

• 使用訓練集均值和標準差對訓練集進行標準化。
• 使用訓練集均值和標準差對任何測試集進行標準化。

這只是遵循一般原則：你學到的任何東西，都必須從模型的訓練數據中學習。

引用自：https://stats.stackexchange.com/questions/319514