Scikit-learn 数据预处理之标准化StandardScaler

1 声明

本文的数据来自网络，部分代码也有所参照，这里做了注释和延伸，旨在技术交流，如有冒犯之处请联系博主及时处理。

2 StandardScaler简介

StandardScaler当数据(x)按均值(μ)中心化后，再按标准差(σ)缩放，数据就会服从为均值为0，方差为1的标准正态分布，该过程叫数据标准化(Standardization，又称Z-score normalization)。

应用场景：在分类、聚类、通过距离计算相似性时、使用PCA技术进行降维时。

3 StandardScaler

计算方法:

import pandas as pd
from sklearn.preprocessing import StandardScaler
data = pd.DataFrame(
    {
        'a':[1,2,3],
        'b':[5,6,6],
        'c':[9,100,2]
    }
)

#标准化(StandardScaler)，对列进行特征转换。
scale_x = StandardScaler()
scale_data = scale_x.fit_transform(data)
print(scale_data)
print("均值:",round(scale_data.mean()))
print("标准差:",round(scale_data.std()))

注：数据的矩阵形式如下：

计算过程示例版：

多种标准化的对比(图片来自网络)

最后

以上就是欢喜大叔最近收集整理的关于Scikit-learn 数据预处理之标准化StandardScaler                Scikit-learn 数据预处理之标准化StandardScaler1 声明2 StandardScaler简介3 StandardScaler的全部内容，更多相关Scikit-learn内容请搜索靠谱客的其他文章。