preprocessing.StandardScaler()

sklearn.preprcoessing包下有很多数据预处理的方法，preprocessing模块中StandardScaler()类的fit()函数也可以用于数组的标准化。

官方说明文档https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.StandardScaler.html

参数：

class sklearn.preprocessing.StandardScaler(*, copy=True, with_mean=True, with_std=True）

copy，布尔类型，默认为True，当设置其为 False 时，执行就地行的标准化，避免复制（如果输入已经是 numpy 数组或 scipy.sparse CSC 矩阵并且axis为 1）；如果数据不是numpy数组或scipy.sparse CSR矩阵，仍然可以返回副本。

with_mean，布尔类型，默认为True，表示处理后的数据均值为0。

with_std，布尔类型，默认为True，表示处理后的数据方差为1。

代码示例：

首先，调用preprocessing模块中StandardScaler()类的fit()函数，通过数组x_train（待处理的数组）构建标准化模型scaler。

然后，调用模型scaler的transform函数，就可以对x_train数组进行标准化啦。

scaler=preprocessing.StandardScaler().fit(x_train) 
scaler.transform(x_train)