我有一个关于机器学习数据预处理的问题。具体来说，是关于如何转换数据，使其具有零均值和单位方差。我已经将数据分成了两个数据集（我知道应该有三个，但为了简化起见，我们假设只有两个）。我应该转换我的训练数据集，使整个训练数据集具有单位方差和零均值，然后在测试模型时转换每个测试输入向量，使每个特定的测试输入向量也具有单位方差和零均值，还是应该将整个数据集（训练和测试）一起转换，使整个数据集具有单位方差和零均值？我认为应该采用前者，这样就不会在测试数据集中引入过多的偏差。但我不是专家，所以才有此疑问。

回答：

应该只在训练集上拟合你的预处理器，然后将均值和方差转换器应用于测试集。在训练和测试集上计算这些统计数据会泄露一些关于测试集的信息。

让我给你链接一个关于深度学习的优秀课程，并展示一个引用（两者都来自@[隐藏人名]）：

常见陷阱。关于预处理的一个重要点是，任何预处理统计数据（例如数据均值）都必须仅在训练数据上计算，然后应用于验证/测试数据。例如，在整个数据集上计算均值并从每张图像中减去，然后再将数据分成训练/验证/测试集是错误的。相反，均值必须仅在训练数据上计算，然后从所有分集（训练/验证/测试）中等量减去。