sklearn 中的数据预处理函数，标准化

sklearn 是 python 中一个常用的机器学习与统计分析包，功能十分强大，既能做普通的统计分析，也可以做一些常用的机器学习算法。

在分析数据前，一般要对数据进行预处理，常用的数据预处理函数有：

• scale: 对每列数据进行快速标准化（z 标准化），以均值为0，标准差为1的正态分布对每列数据进行标准化
• MinMaxScaler: 标准化后每一列数据都落在 [0, 1] 之间，或者既定的 [min, max] 之间，调用的计算公式为：

X_std = (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
X_scaled = X_std * (max - min) + min

• StandardScaler: 类似于 Scale，只不过可保存训练集中的均值、方差参数
  例如：可以对测试集生成一个 StandardScaler，就有了一个包含均值与方差的标准化的类。这个类可以通过 transform 函数同时标准化训练集与测试集

• Normalize: 对每一行按p-范数标准化，又称正则化：主要思想是对每个样本计算其 p-范数，然后对该样本中每个元素除以该范数，这样处理的结果是使得每个处理后样本的 p-范数（一般为 l1-norm 或 l2-norm）等于1。