原始數(shù)據(jù)分布：

• StandardScaler:通過減去均值，除以標(biāo)準(zhǔn)差。異常數(shù)據(jù)對(duì)均值和方差的影響很大，會(huì)導(dǎo)致特征數(shù)據(jù)范圍縮小 $$z=\frac{(x?u)}{s}$$

• MinMaxScaler將所有數(shù)據(jù)歸一化到[0,1]區(qū)間內(nèi)，但是由于異常值的影響，特征數(shù)據(jù)的分布范圍變得很窄。與standardscalar一樣，對(duì)異常值銘感$$X_{std}=\frac{(X?X.min)}{(X.max(axis=0)?X.min(axis=0))}$$$$X_{scaled}=X_{std}?(max?min)+min$$

MaxAbsScaler，將數(shù)據(jù)壓縮到了[-1,1]區(qū)間內(nèi)，對(duì)異常值敏感$$X=\frac{X}{|X|.max}$$

RobustScaler和前面三個(gè)方法不同，對(duì)異常值不敏感$$$$

PowerTransformer$$$$

QuantileTransformer (Gaussian output)$$$$

QuantileTransformer (uniform output)

Normalizer

總結(jié)

以上是生活随笔為你收集整理的Sklearn-scaler对比的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。