机器学习中，最重要的就是数据预处理了。
而当不同特征之间的值差距较大，分布很离散，那么可能就需要统一这些数据的量纲，以便后期的处理。
所以，今天带来的是一些数据标准化处理的方法。
主要的标准化方法先列出如下：
·StandardScaler
·MinMaxScaler
·MaxAbsScaler
·RobustScaler
·Normalizer
1
- StandardScaler -
sklearn.preprocessing.StandardScaler（copy = True，with_mean = True，with_std = True ）
通过删除均值和缩放到单位方差来标准化特征。
样本x的标准分数计算如下：
z =（x - u）/ s
其中u是训练样本的平均值，如果with_mean = False，则为零，s为训练样本的标准偏差，如果 with_std = False，则为1。
2
- MinMaxScaler -
sklearn.preprocessing.MinMaxScaler(feature_range=(0, 1), copy=True)
公式计算如下：
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。）
通过将每个要素缩放到给定范围来转换要素。
该估计器单独地缩放和翻译每个特征，使得它在训练集上的给定范围内，例如在0和1之间，此变换通常用作零均值，单位方差缩放的替代方案。
3
- MaxAbsScaler -
sklearn.preprocessing.MaxAbsScaler(copy=True)
按每个特征的最大绝对值缩放。该估计器单独地缩放和转换每个特征，使得训练集中的每个特征的最大绝对值将为1.0。
它不会移动/居中数据，因此不会破坏任何稀疏性。
4
- RobustScaler -
sklearn.preprocessing.RobustScaler(with_centering=True,
with_scaling=True, quantile_range=(25.0, 75.0), copy=True)
使用对异常值具有鲁棒性的统计信息来扩展要素。
此Scaler根据分位数范围（默认为IQR：Interquartile Range）删除中位数并缩放数据。
IQR是第1四分位数（第25个分位数）和第3个四分位数（第75个分位数）之间的范围。
通过去除均值和缩放到单位方差来完成。
但是，异常值通常会以负面方式影响样本均值/方差。
在这种情况下，中位数和四分位数范围通常会产生更好的结果。
5
- Normalizer -
sklearn.preprocessing.Normalizer（norm ='l2'，copy = True ）
将样本单独归一化为单位范数。具有至少一个非零分量的每个样本（即，数据矩阵的每一行）独立于其他样本被重新缩放，使得其范数（l1或l2）等于1。
将输入缩放到单位规范是例如文本分类或聚类的常见操作。
例如，两个l2标准化TF-IDF向量的点积是向量的余弦相似度，并且是信息检索社区常用的向量空间模型的基本相似性度量。
最后总结如下：
StandardScaler 在异常值存在的情况下无法保证平衡的特征尺度，并且StandardScaler，MinMaxScaler对异常值的存在非常敏感。
MaxAbsScaler绝对值映射在[0,1]范围内，在仅有正数据时，MaxAbsScaler与MinMaxScaler类似。
RobustScaler缩放器的居中和缩放统计数据基于百分位数，因此不受少量非常大的边际异常值的影响，变换后的特征值的结果范围大于之前的缩放器。
Normalizer将样本单独归一化为单位范数，与样本的分布无关。具体方法需通过衡量数据样本分布、及业务需求，最终采取一个合适的缩放器。
