原始數據分布：

• StandardScaler:通過減去均值，除以標準差。異常數據對均值和方差的影響很大，會導致特征數據范圍縮小 $$z=\frac{(x?u)}{s}$$

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

MaxAbsScaler，將數據壓縮到了[-1,1]區間內，對異常值敏感$$X=\frac{X}{|X|.max}$$

RobustScaler和前面三個方法不同，對異常值不敏感$$$$

PowerTransformer$$$$

QuantileTransformer (Gaussian output)$$$$

QuantileTransformer (uniform output)

Normalizer

總結

以上是生活随笔為你收集整理的Sklearn-scaler对比的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。