正确缩放机器学习的特征[重复]

Question

我的数据框包含三种特征：

1. 观测值范围为 0 到 100 的特征
2. 观测值编码为 0 或 1（0 表示否，1 表示是）的特征
3. 观察范围从 1 到 5 的特征（一个人对一个问题的回答，1 表示非常不同意，5 表示非常同意）

我可以将StandardScaler 应用到我的数据框并且所有功能都会正确缩放吗？还是我的数据框中的每种不同类型的功能都需要特定的缩放方法？

Answer 1

StandardScaler 缩放您的数据，使每列的 μ = 0 和 σ = 1。根据documentation：

居中和缩放在每个特征上独立发生 计算训练集中样本的相关统计数据。

由于每个特征都独立于其他特征进行缩放，因此它们的相关幅度差异不会相互影响。值得注意的是，缩放很大程度上取决于每个特征的训练样本分布。标准的正态分布训练数据将导致完美的缩放。如需进一步了解，您可以浏览documentation，也可以查看this SO thread。

示例数据在以下代码中进行了缩放：

from sklearn.preprocessing import StandardScaler
import numpy as np

data = np.array([[100, 0, 2], [66, 1, 5], [50, 0, 4], [33, 1, 1], [0, 0, 3], [25, 0, 2], [75, 1, 4], [50, 1, 3]])

scaler = StandardScaler()
scaled_data = scaler.fit_transform(data)

print ("Scaled Array:")
print(scaled_data)

print('Mean :', scaled_data.mean(axis=0))
print('Standard Deviation :', scaled_data.std(axis=0))
print('Variance :', scaled_data.var(axis=0))

输出是：

Scaled Array:
[[ 1.71992157 -1.         -0.81649658]
 [ 0.55329148  1.          1.63299316]
 [ 0.00428908 -1.          0.81649658]
 [-0.57902597  1.         -1.63299316]
 [-1.71134341 -1.          0.        ]
 [-0.85352716 -1.         -0.81649658]
 [ 0.86210533  1.          0.81649658]
 [ 0.00428908  1.          0.        ]]
Mean : [3.46944695e-18 0.00000000e+00 0.00000000e+00]
Standard Deviation : [1. 1. 1.]
Variance : [1. 1. 1.]