資料標準化的方法
機器學習中，最重要的就是資料預處理了。而當不同特徵之間的值差距較大，分佈很離散，那麼可能就需要統一這些資料的量綱，以便後期的處理。所以，今天帶來的是一些資料標準化處理的方法。
主要的標準化方法先列出如下：
- StandardScaler
- MinMaxScaler
- MaxAbsScaler
- RobustScaler
- Normalizer
StandardScaler
sklearn.preprocessing.StandardScaler（copy = True，with_mean = True，with_std = True ）
通過刪除均值和縮放到單位方差來標準化特徵。
樣本x的標準分數計算如下： z =（x - u）/ s
其中u是訓練樣本的平均值，如果with_mean = False，則為零，s為訓練樣本的標準偏差，如果 with_std = False，則為1。
引數 含義 copy 預設為True，在原資料上進行縮放。 with_mean 預設為True，在縮放之前對資料分佈居中處理。 with_std 預設為True，將資料縮放為單位標準差。
MinMaxScaler
sklearn.preprocessing.MinMaxScaler(feature_range=(0, 1), copy=True)
公式計算如下：
X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
X_scaled = X_std * (max - min) + min （
其中min，max = feature_range。）通過將每個要素縮放到給定範圍來轉換要素。該估計器單獨地縮放和翻譯每個特徵，使得它在訓練集上的給定範圍內，例如在0和1之間，此變換通常用作零均值，單位方差縮放的替代方案。
引數 含義 feature_range 預設為(0,1)，期望的傳喚資料範圍 copy 預設為True，在原資料上縮放
MaxAbsScaler
sklearn.preprocessing.MaxAbsScaler(copy=True)
按每個特徵的最大絕對值縮放。該估計器單獨地縮放和轉換每個特徵，使得訓練集中的每個特徵的最大絕對值將為1.0。它不會移動/居中資料，因此不會破壞任何稀疏性。
RobustScaler
sklearn.preprocessing.RobustScaler(with_centering=True, with_scaling=True, quantile_range=(25.0, 75.0), copy=True)
使用對異常值具有魯棒性的統計資訊來擴充套件要素。此Scaler根據分位數範圍（預設為IQR：Interquartile Range）刪除中位數並縮放資料。IQR是第1四分位數（第25個分位數）和第3個四分位數（第75個分位數）之間的範圍。
通過去除均值和縮放到單位方差來完成。但是，異常值通常會以負面方式影響樣本均值/方差。在這種情況下，中位數和四分位數範圍通常會產生更好的結果。
引數 含義 with_centering 預設為True，在縮放之前將資料劇中。 with_scaling 預設為True，將資料縮放到四分位數範圍。 quantie_range 預設值：（25.0,75.0）=（第1個分位數，第3個分位數）= IQR用於計算的分位數範圍
Normalizer
sklearn.preprocessing.Normalizer（norm ='l2'，copy = True ）
將樣本單獨歸一化為單位範數。具有至少一個非零分量的每個樣本（即，資料矩陣的每一行）獨立於其他樣本被重新縮放，使得其範數（l1或l2）等於1。
將輸入縮放到單位規範是例如文字分類或聚類的常見操作。例如，兩個l2標準化TF-IDF向量的點積是向量的餘弦相似度，並且是資訊檢索社群常用的向量空間模型的基本相似性度量。
引數 含義 norm 可選有'l1' , 'l2' , 'max' , 預設為 'l2' 。用於標準化每個非零樣本的標準。
最後總結如下：
StandardScaler 在異常值存在的情況下無法保證平衡的特徵尺度，並且StandardScaler，MinMaxScaler對異常值的存在非常敏感。MaxAbsScaler絕對值對映在[0,1]範圍內，在僅有正資料時，MaxAbsScaler與MinMaxScaler類似。RobustScaler縮放器的居中和縮放統計資料基於百分位數，因此不受少量非常大的邊際異常值的影響，變換後的特徵值的結果範圍大於之前的縮放器。Normalizer將樣本單獨歸一化為單位範數，與樣本的分佈無關。具體方法需通過衡量資料樣本分佈、及業務需求，最終採取一個合適的縮放器。