概述：我刚开始学习机器学习和sklearn预处理。我发现当我们对TEST数据使用sklearn预处理转换时，均值不会是0，标准差也不会是1（原因是我们使用的是TRAIN数据的均值/标准差来标准化测试数据）。
我的问题是：如果测试数据以这种方式标准化（未正确标准化为均值为0和标准差为1的高斯正态分布），这会影响机器学习算法的预测吗？我认为机器学习预测的准确性会较低，因为我们给机器学习模型提供了未正确标准化的数据。
回答：
这应该告诉你的是，你的训练集和测试集可能有不同的分布。如果你的训练集不能代表整体人口（这里由TEST数据表示），那么模型的泛化能力就不会很好。
测试数据没有围绕零点分布且标准差为1是完全可以接受的。这种转换的目的是使所有数据处于同一范围内，否则许多算法会根据用户的意图错误地更新模型。通过应用这种转换，你是在说“所有特征同等重要”。
没有你所描述的“未正确标准化的数据”这种说法，只有训练数据不能代表整体情况的情况。
