最近我正在处理一些算法的分类问题，比如逻辑回归。

当我预处理我的数据时，我会标准化我的所有特征，然后基于它们生成多项式特征。

from sklearn.preprocessing import PolynomialFeatures, StandardScaler

我愿意

# features is my entire features dataset, labels excluded 
features = poly.fit_transform(features)
features = std.fit_transform(features)

完成模型训练后，准确率约为 80%。然后我将两行预处理代码反转为

features = std.fit_transform(features)
features = poly.fit_transform(features)

我已经阅读了这篇文章，但似乎答案不足以帮助我弄清楚。

我应该先标准化我的数据还是先从原始特征生成多项式？