机器学习 | 简单但是能提升模型效果的特征标准化方法（RobustScaler、MinMaxScaler、StandardScaler 比较和解析） - 码农知识堂 - 文章详情页

机器学习 | 简单但是能提升模型效果的特征标准化方法（RobustScaler、MinMaxScaler、StandardScaler 比较和解析）
文章目录
- 一、方法解析
- 二、Python 实践
一、方法解析

我们在做数据预处理时通常会使用 sklearn 的 StandardScaler 来做特征的标准化，但如果你的数据中包含异常值，那么效果可能不好。

本文重点介绍的方法叫 RobustScaler，能够获得更稳健的特征缩放结果。与 StandardScaler 缩放不同，异常值根本不包括在 RobustScaler 计算中。因此在包含异常值的数据集中，更有可能缩放到接近正态分布。

StandardScaler 计算公式如下（也叫标准差标准化 Z-Score）：
相关阅读:
几行 Python 代码就可以提取数百个时间序列特征
 Java泛型
 JAR will be empty - no content was marked for inclusion!
Redis 高性能设计之epoll和IO多路复用深度解析
 在Bender对偶算法的时候出现bilinear项怎么办？
技术分享 | Jenkins中，如何管理用户及其相对应权限？
“2024上海智博会”为我国智能科技产业发展注入新的动力
 100天精通Python（数据分析篇）——第54天：Series对象大总结
 三万字盘点Spring/Boot的那些常用扩展点
 文件的导入与导出
原文地址：https://blog.csdn.net/fyfugoyfa/article/details/125577853