数据规范化——sklearn.preprocessing

sklearn实现---归类为5大类

• sklearn.preprocessing.scale()（最常用，易受异常值影响）
• sklearn.preprocessing.StandardScaler()
• sklearn.preprocessing.minmax_scale()（一般缩放到[0,1]之间，若新数据集最大最小值范围有变，需重新minmax_scale）
• sklearn.preprocessing.MinMaxScaler()
• sklearn.preprocessing.maxabs_scale()（为稀疏数据而生）
• sklearn.preprocessing.MaxAbsScaler()
• sklearn.preprocessing.robust_scale()（为异常值而生）
• sklearn.preprocessing.RobustScaler()
• sklearn.preprocessing.normalize()(文本分类or聚类时常用，默认对样本正则化，上述4种默认对列，即特征来规范化）
• sklearn.preprocessing.preprocessing.Normalizer()

借用iris数据集

import pandas as pd
import numpy as np
from sklearn import datasets
iris  = datasets.load_iris()
x, y = iris.data, iris.tar