【重磅】特征缩放：标准化、线性函数归一化

特征缩放

其实就是对特征进行变换，主要有：

一、线性函数归一化（Min-Max scaling），也称 归一化（Normalization）

二、标准化（standardization）

 

归一化、标准化

特征缩放方式	过程	结果性质	Scikit-Learn 中的函数	区别
归一化	减去 最小值，再除以 最大值与最小值的差	一般缩放到0-1范围，也可以改范围	MinMaxscaler, 超参数：feature_range	受到异常值影响大
标准化	减去 均值，  再除以 标准差	缩放到均值为0，标准差为1	StandardScaler	受到异常值影响小，对某些算法有障碍（如神经网络经常需要输入值的范围为0-1）

 

说明：特征缩放只对训练集运用，测试集必须采用训练集中的缩放指标，如对某个特征，使用训练集的均值和标准差，而不使用测试集的均值、标准差。