Sklearn-scaler对比

原始数据分布：

• StandardScaler:通过减去均值，除以标准差。异常数据对均值和方差的影响很大，会导致特征数据范围缩小 $$z=\frac{(x-u)}{s}$$

• MinMaxScaler将所有数据归一化到[0,1]区间内，但是由于异常值的影响，特征数据的分布范围变得很窄。与standardscalar一样，对异常值铭感$$X_{std}=\frac{(X-X.min)}{(X.max(axis=0)-X.min(axis=0))}$$$$X_{scaled}=X_{std}\ast (max-min)+min$$

MaxAbsScaler，将数据压缩到了[-1,1]区间内，对异常值敏感$$X=\frac{X}{|X|.max}$$

RobustScaler和前面三个方法不同，对异常值不敏感$$$$

PowerTransformer$$$$

QuantileTransformer (Gaussian output)$$$$

QuantileTransformer (uniform output)

Normalizer