在训练模型时，我们将数据集拆分为训练集和测试集。如果需要对任何列进行标准化/标准化，则此过程将分别针对训练集和测试集进行，以防止数据泄漏。测试集的归一化是在训练集的参数上完成的。我们通常编写的代码如下所示 -

scaler = StandardScaler() #scaler = MinMaxScaler()
train = scaler.fit_transform(train)
test = scaler.transform(test)

该fit部分计算出参数，然后transform部分进行归一化。

现在我的问题是 - 当模型部署在生产中时，来自现实生活数据的列也需要规范化。我们如何做到这一点？我们是将其存储在scaler某处（可能是泡菜）还是将参数scaler（如最小值、最大值、平均值、标准偏差等）存储在某处（例如文件、表），然后读取存储的文件或表以检索参数值并在调用predict函数之前对新的现实生活数据进行规范化。