特征缩放，归一化

使用特征缩放的作用是：

1. 使不同量纲的特征处于同一数值量级，减少方差大的特征的影响，使模型更准确。
2. 加快学习算法的收敛速度。

缩放过程可以分为以下几种：

1. 缩放到均值为0，方差为1（Standardization——StandardScaler()）
2. 缩放到0和1之间（Standardization——MinMaxScaler()）
3. 缩放到-1和1之间（Standardization——MaxAbsScaler()）
4. 缩放到0和1之间，保留原始数据的分布（Normalization——Normalizer()）

1就是常说的z-score归一化，2是min-max归一化。

画出原始数据图像为：

使用1.StandardScaler()缩放，结果为：