Python机器学习手册：从数据预处理到深度学习

问题描述

对一个特征进行转换，使其平均值为0、标准差为1。

解决方案

scikit-learn的StandardScaler能同时执行这两个转换：

讨论

4.1节中讨论的min-max缩放有一个常见的替代方案，就是将特征缩放为大致符合标准正态分布的。为了实现这样的缩放，我们使用标准化（standardization）方法来转换数据，这样数据就能有一个等于0的平均值 x 和一个等于1的标准差σ。也就是说，特征中的每个元素都会被转换，使得：

x_i'是x_i标准化后的形式。转换后的特征表示原始值距离平均值多少个标准差（在统计学中也称为z分数）。

标准化方法是机器学习数据预处理中的常用缩放方法，从我的经验来看，它比min-max缩放用得更多，但这也要看你所使用的机器学习算法。例如，在主成分分析中标准化方法更有用，而在神经网络中则更推荐使用min-max缩放（在本书的后面会详细讨论这两个算法）。一般来说，如果没有特殊原因，我推荐使用标准化方法进行缩放。

查看解决方案中最后输出的平均值和标准差，我们就能知道标准化的效果：

如果数据中存在很大的异常值，可能会影响特征的平均值和方差，也会对标准化的效果造成不良影响。在这种情况下，使用中位数和四分位数间距进行缩放会更有效。在scikit-learn中，具体的做法就是调用RobustScaler：