我试图从我的机器学习讲座中理解一个代码片段（参见下面的代码）。

它提取特征的均值和标准差，并使用它们来“标准化”（标准化）特征。数据X在第一列中包含全1。变量t是我们训练权重的输出值。首先获得输出的平均值，以便可以在没有偏差项（截距）的情况下应用岭回归，然后删除全一列并对数据进行归一化。权重由以下公式获得：

我不明白的是，使用归一化数据获得的权重再次除以特征的标准差W[1:, 0] = Wn[:, 0] * Sinv。有人可以帮我吗？谢谢！

PS：我知道规范化是另一回事，我的意思是标准化，但我的教授出于某种原因使用规范化。

这是代码：

def NormalisedRidgeRegression(X, t, p_lambda=0.0):
    K = X.shape[1] - 1

    M = np.mean(X[:, 1:], axis=0)
    S = np.std(X[:, 1:], axis=0)
    Sinv = 1 / S

    targetmean = np.mean(t)
    tn = t - targetmean

    Xn = np.dot(X[:, 1:] - M, np.diag(Sinv))

    Wn = np.dot(np.dot(np.linalg.pinv(np.dot(Xn.T, Xn) + p_lambda * np.eye(K)), Xn.T), tn)
    W = np.zeros((K + 1, 1))
    W[1:, 0] = Wn[:, 0] * Sinv
    W[0, 0] = targetmean
    y_hat = np.dot(X, W)
    return W, y_hat