sklearn里面的数据预处理的方式

1.MinMaxScaler：将数据归一化至[0, 1]

2.fit_transform()和transform()的区别：

为了数据归一化（使特征数据方差为1，均值为0），我们需要计算特征数据的均值μ和方差σ^2，再使用下面的公式进行归一化，在训练集上调用fit_transform()，其实找到了均值μ和方差σ^2，即找到了转换的规则，我们把这个规则利用在训练集上，同样，我们可以直接将其运用到测试集上（甚至交叉验证集），所以在测试集上的处理，我们只需要标准化数据而不需要再次拟合数据。

例子如下：

3.标准化需要计算特征的均值和标准差，公式表达为：

　　使用preproccessing库的StandardScaler类对数据进行标准化的代码如下：

<img src="https://pic1.zhimg.com/50/c7e852db6bd05b7bb1017b5425ffeec1_hd.jpg" data-rawwidth="81" data-rawheight="48" class="content_image" width="81">

代表均值，S代表标准差