在构建任何机器学习模型时，您拥有的唯一可观察数据是训练数据。测试数据应该是未观察到的数据，这意味着即使您现在可能拥有它，您也需要表现得好像没有一样。当你应用标准化时，你首先观察数据以获得你需要的参数。由于您只应该能够观察训练数据，因此您不能使用测试数据来计算这些值。这样做就像作弊，因为您正在将参数适应新的未观察到的数据（您如何观察未观察到的数据？）。

想象一下，您今天构建了一个模型，而您想在明天进行预测。你不能使用明天的数据来构建你的模型，因为你还没有它。你不应该知道明天的平均值和标准，尽管你希望它们足够相似。这就是为什么当您进行标准化/标准化时，您会使用训练数据获取参数，然后使用它们来转换训练和测试数据，这样您就可以将它们用作模型的输入。