数据预处理--StandardScaler()

1. 定义
   sklearn中的StandardScaler()主要是去均值标准化，也就是均值为0，标准差为1的数据标准化处理。
   均值公式：
   标准差公式：
   下面利用python实现一下：

点击查看代码

import pandas as pd
from sklearn.preprocessing import StandardScaler
import numpy as np
data = np.array([[1, 2], [4, 4]])
mean = data.mean(axis=0)
move_mean = data-mean
std = np.std(data,axis=0)
score = move_mean / std

data
array([[1, 2],
[4, 4]])
mean
array([2.5, 3. ])
move_mean
array([[-1.5, -1. ],
[ 1.5, 1. ]])
std
array([1.5, 1. ])
score
array([[-1., -1.],
[ 1., 1.]])

2. 使用sklearn标准库计算

点击查看代码

ss = StandardScaler()
ss.fit_transform(data)

得到： array([[-1., -1.], [ 1., 1.]])

3. 验证一下
   数据标准化有一个特性，就是新生成的数据的均值为0，标准方差为1

点击查看代码

new_data = ss.fit_transform(data)
new_data.mean(axis=0)
array([0., 0.])
np.std(new_data,axis=0)
array([1., 1.])