关于sklearn.preprocessing中scale和StandardScaler的使用

标准化（Z-Score），或者去除均值和方差缩放

公式为：(X-mean)/std  计算时对每个属性/每列分别进行。

将数据按期属性（按列进行）减去其均值，并处以其方差。得到的结果是，对于每个属性/每列来说所有数据都聚集在0附近，方差为1。

使用sklearn.preprocessing.scale()函数，可以直接将给定数据进行标准化。

>>> from sklearn import preprocessing

>>> import numpy as np

>>> X = np.array([[ 1., -1.,  2.],

...               [ 2.,  0.,  0.],

...               [ 0.,  1., -1.]])

>>> X_scaled = preprocessing.scale(X)

 

>>> X_scaled                                         

array([[ 0.  ..., -1.22...,  1.33...],

       [ 1.22...,  0.  ..., -0.26...],

       [-1.22...,  1.22..., -1.06...]])

 

>>>#处理后数据的均值和方差

>>> X_scaled.mean(axis=0)

array([ 0.,  0.,  0.])

 

>>> X_scaled.std(axis=0)

array([ 1.,  1.,  1.])

使用sklearn.preprocessing.StandardScaler类，使用该类的好处在于可以保存训练集中的参数（均值、方差）直接使用其对象转换测试集数据。

>>> scaler = preprocessing.StandardScaler().fit(X)

>>> scaler

StandardScaler(copy=True, with_mean=True, with_std=True)

 

>>> scaler.mean_                                     

array([ 1. ...,  0. ...,  0.33...])

 

>>> scaler.std_                                      

array([ 0.81...,  0.81...,  1.24...])

 

>>> scaler.transform(X)                              

array([[ 0.  ..., -1.22...,  1.33...],

       [ 1.22...,  0.  ..., -0.26...],

       [-1.22...,  1.22..., -1.06...]])

 

 

>>>#可以直接使用训练集对测试集数据进行转换

>>> scaler.transform([[-1.,  1., 0.]])               

array([[-2.44...,  1.22..., -0.26...]])