我对 sklearn.preprocessing.StandardScaler（以及 sklearn.preprocessing.scale）的使用有些困惑。许多突出的例子为训练集和测试集应用了单独的缩放器：
X_train_scaled = scale(X_train)
X_test_scaled = scale(X_test)
而其他人在两组上应用相同的缩放器：
scaler = StandardScaler()
scaler.fit(X=train_x)
train_x = scaler.transform(train_x)
test_x = scaler.transform(test_x)
实际上，在这种情况下，您不能先缩放整个集合，然后再拆分它吗？还是会让分类器提前看到测试数据？
对我来说，直观地说，第二个版本是有意义的，否则它将成为测试集的不同缩放器，并且会对后续步骤产生影响。
谁能确认哪种方法是正确的，并解释原因？