StandardScaler#

class sklearn.preprocessing.StandardScaler(*, copy=True, with_mean=True, with_std=True)[source]#

通过移除均值并将特征缩放到单位方差来标准化特征。

样本 x 的标准分数计算公式为

z = (x - u) / s

其中 u 是训练样本的均值，如果 with_mean=False 则为零；s 是训练样本的标准差，如果 with_std=False 则为一。

中心化和缩放独立地作用于每个特征，通过计算训练集中样本的相关统计量。然后将均值和标准差存储起来，以便使用 transform 方法应用于后续数据。

数据集的标准化是许多机器学习估计器的常见要求：如果单个特征不或多或少地看起来像标准正态分布数据（例如，均值为0、单位方差的高斯分布），它们可能会表现不佳。

例如，学习算法目标函数中使用的许多元素（如支持向量机（Support Vector Machines）的RBF核或线性模型的L1和L2正则化器）都假设所有特征都以0为中心，并且具有相同数量级的方差。如果某个特征的方差比其他特征大几个数量级，它可能会主导目标函数，导致估计器无法按预期正确地从其他特征中学习。

StandardScaler 对异常值敏感，在存在异常值的情况下，特征的缩放方式可能会彼此不同。有关示例可视化，请参阅 将StandardScaler与其他缩放器进行比较。

通过传递 with_mean=False，此缩放器也可应用于稀疏的CSR或CSC矩阵，以避免破坏数据的稀疏结构。

在 用户指南 中了解更多信息。

参数:
copy布尔值, 默认为 True

如果为 False，则尝试避免复制并进行原地缩放。这不保证总是原地操作；例如，如果数据不是NumPy数组或scipy.sparse CSR矩阵，仍然可能会返回一个副本。

with_mean布尔值, 默认为 True

如果为 True，则在缩放之前将数据中心化。当尝试在稀疏矩阵上进行此操作时，这不起作用（并且会引发异常），因为中心化稀疏矩阵需要构建一个密集矩阵，在常见用例中，该矩阵可能太大而无法容纳在内存中。

with_std布尔值, 默认为 True

如果为 True，则将数据缩放到单位方差（或等效地，单位标准差）。

属性:
scale_形状为 (n_features,) 的 ndarray 或 None

每个特征的相对缩放，以实现零均值和单位方差。通常使用 np.sqrt(var_) 计算。如果方差为零，则无法实现单位方差，数据将保持原样，缩放因子为1。with_std=False 时，scale_ 等于 None。

0.17 版新增: scale_

mean_形状为 (n_features,) 的 ndarray 或 None

训练集中每个特征的均值。当 with_mean=False 和 with_std=False 时，等于 None。

var_形状为 (n_features,) 的 ndarray 或 None

训练集中每个特征的方差。用于计算 scale_。当 with_mean=False 和 with_std=False 时，等于 None。

n_features_in_整型

在 fit 期间看到的特征数量。

0.24 版新增。

feature_names_in_形状为 (n_features_in_,) 的 ndarray

在 fit 期间看到的特征名称。仅当 X 的所有特征名称都是字符串时才定义。

1.0 版新增。

n_samples_seen_整型 或 形状为 (n_features,) 的 ndarray

估计器为每个特征处理的样本数量。如果没有缺失样本，n_samples_seen 将是整数；否则，它将是 dtype 为 int 的数组。如果使用了 sample_weights，它将是浮点数（如果没有缺失数据）或 dtype 为 float 的数组，其中包含到目前为止看到的权重总和。在每次调用 fit 时会被重置，但在 partial_fit 调用之间会递增。

另请参阅

scale

不使用估计器API的等效函数。

PCA

通过 'whiten=True' 进一步消除特征间的线性相关性。

备注

NaNs 被视为缺失值：在 fit 中被忽略，在 transform 中被保留。

我们使用标准差的有偏估计器，等同于 numpy.std(x, ddof=0)。请注意，ddof 的选择不太可能影响模型性能。

示例

>>> from sklearn.preprocessing import StandardScaler
>>> data = [[0, 0], [0, 0], [1, 1], [1, 1]]
>>> scaler = StandardScaler()
>>> print(scaler.fit(data))
StandardScaler()
>>> print(scaler.mean_)
[0.5 0.5]
>>> print(scaler.transform(data))
[[-1. -1.]
 [-1. -1.]
 [ 1.  1.]
 [ 1.  1.]]
>>> print(scaler.transform([[2, 2]]))
[[3. 3.]]
fit(X, y=None, sample_weight=None)[source]#

计算用于后续缩放的均值和标准差。

参数:
X形状为 (n_samples, n_features) 的 {类数组, 稀疏矩阵}

用于计算沿特征轴进行后续缩放所需的均值和标准差的数据。

yNone

忽略。

sample_weight形状为 (n_samples,) 的类数组, 默认为 None

每个样本的单独权重。

0.24 版新增: StandardScaler 支持参数 sample_weight。

返回:
self对象

拟合后的缩放器。

fit_transform(X, y=None, **fit_params)[source]#

拟合数据，然后进行转换。

使用可选参数 fit_params 将转换器拟合到 X 和 y，并返回 X 的转换版本。

参数:
X形状为 (n_samples, n_features) 的类数组

输入样本。

y形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组, 默认为 None

目标值（无监督转换时为 None）。

**fit_params字典

额外的拟合参数。

返回:
X_new形状为 (n_samples, n_features_new) 的 ndarray 数组

转换后的数组。

get_feature_names_out(input_features=None)[source]#

获取转换的输出特征名称。

参数:
input_features字符串类数组或 None, 默认为 None

输入特征。

  • 如果 input_features 为 None，则 feature_names_in_ 将用作输入特征名称。如果未定义 feature_names_in_，则生成以下输入特征名称：["x0", "x1", ..., "x(n_features_in_ - 1)"]。

  • 如果 input_features 是类数组，则如果定义了 feature_names_in_，input_features 必须与 feature_names_in_ 匹配。

返回:
feature_names_out字符串对象的 ndarray

与输入特征相同。

get_metadata_routing()[source]#

获取此对象的元数据路由。

请查看 用户指南 了解路由机制的工作原理。

返回:
routingMetadataRequest

一个封装路由信息的 MetadataRequest。

get_params(deep=True)[source]#

获取此估计器的参数。

参数:
deep布尔值, 默认为 True

如果为 True，将返回此估计器及其包含的作为估计器的子对象的参数。

返回:
params字典

参数名称及其对应值的映射。

inverse_transform(X, copy=None)[source]#

将数据缩放回原始表示形式。

参数:
X形状为 (n_samples, n_features) 的 {类数组, 稀疏矩阵}

用于沿特征轴进行缩放的数据。

copy布尔值, 默认为 None

是否复制输入 X。

返回:
X_original形状为 (n_samples, n_features) 的 {ndarray, 稀疏矩阵}

转换后的数组。

partial_fit(X, y=None, sample_weight=None)[source]#

对 X 进行均值和标准差的在线计算，以便后续缩放。

X 中的所有数据作为一个单独的批次进行处理。这适用于由于 n_samples 数量非常大或 X 从连续流中读取而导致 fit 不可行的情况。

增量均值和标准差的算法在 Chan, Tony F., Gene H. Golub 和 Randall J. LeVeque 的“Algorithms for computing the sample variance: Analysis and recommendations.” (The American Statistician 37.3 (1983): 242-247) 一文中的公式 1.5a,b 中给出。

参数:
X形状为 (n_samples, n_features) 的 {类数组, 稀疏矩阵}

用于计算沿特征轴进行后续缩放所需的均值和标准差的数据。

yNone

忽略。

sample_weight形状为 (n_samples,) 的类数组, 默认为 None

每个样本的单独权重。

0.24 版新增: StandardScaler 支持参数 sample_weight。

返回:
self对象

拟合后的缩放器。

set_fit_request(*, sample_weight: bool | None | str = '$UNCHANGED$') → StandardScaler[source]#

请求传递给 fit 方法的元数据。

请注意，此方法仅在 enable_metadata_routing=True 时才相关（参见 sklearn.set_config）。请参阅 用户指南 了解路由机制的工作原理。

每个参数的选项有

  • True：请求元数据，如果提供则传递给 fit。如果未提供元数据，则忽略该请求。

  • False：不请求元数据，并且元估计器不会将其传递给 fit。

  • None：不请求元数据，如果用户提供，元估计器将引发错误。

  • str：元数据应使用此给定别名而不是原始名称传递给元估计器。

默认值（sklearn.utils.metadata_routing.UNCHANGED）保留现有请求。这允许您更改某些参数的请求而不更改其他参数。

1.3 版新增。

注意

此方法仅在将此估计器用作元估计器的子估计器时才相关，例如在 Pipeline 内部使用时。否则无效。

参数:
sample_weight字符串, True, False, 或 None, 默认为 sklearn.utils.metadata_routing.UNCHANGED

fit 方法中 sample_weight 参数的元数据路由。

返回:
self对象

更新后的对象。

set_inverse_transform_request(*, copy: bool | None | str = '$UNCHANGED$') → StandardScaler[source]#

请求传递给 inverse_transform 方法的元数据。

请注意，此方法仅在 enable_metadata_routing=True 时才相关（参见 sklearn.set_config）。请参阅 用户指南 了解路由机制的工作原理。

每个参数的选项有

  • True：请求元数据，如果提供则传递给 inverse_transform。如果未提供元数据，则忽略该请求。

  • False：不请求元数据，并且元估计器不会将其传递给 inverse_transform。

  • None：不请求元数据，如果用户提供，元估计器将引发错误。

  • str：元数据应使用此给定别名而不是原始名称传递给元估计器。

默认值（sklearn.utils.metadata_routing.UNCHANGED）保留现有请求。这允许您更改某些参数的请求而不更改其他参数。

1.3 版新增。

注意

此方法仅在将此估计器用作元估计器的子估计器时才相关，例如在 Pipeline 内部使用时。否则无效。

参数:
copy字符串, True, False, 或 None, 默认为 sklearn.utils.metadata_routing.UNCHANGED

inverse_transform 方法中 copy 参数的元数据路由。

返回:
self对象

更新后的对象。

set_output(*, transform=None)[source]#

设置输出容器。

请参阅 Introducing the set_output API（介绍set_output API） 以了解如何使用该API的示例。

参数:
transform{“default”, “pandas”, “polars”}, 默认为 None

配置 transform 和 fit_transform 的输出。

  • "default": 转换器的默认输出格式

  • "pandas": DataFrame 输出

  • "polars": Polars 输出

  • None: 转换配置未更改

1.4 版新增: 添加了 "polars" 选项。

返回:
self估计器实例

估计器实例。

set_params(**params)[source]#

设置此估计器的参数。

此方法适用于简单的估计器以及嵌套对象（例如 Pipeline）。后者具有 <component>__<parameter> 形式的参数，以便可以更新嵌套对象的每个组件。

参数:
**params字典

估计器参数。

返回:
self估计器实例

估计器实例。

set_partial_fit_request(*, sample_weight: bool | None | str = '$UNCHANGED$') → StandardScaler[source]#

请求传递给 partial_fit 方法的元数据。

请注意，此方法仅在 enable_metadata_routing=True 时才相关（参见 sklearn.set_config）。请参阅 用户指南 了解路由机制的工作原理。

每个参数的选项有

  • True：请求元数据，如果提供则传递给 partial_fit。如果未提供元数据，则忽略该请求。

  • False：不请求元数据，并且元估计器不会将其传递给 partial_fit。

  • None：不请求元数据，如果用户提供，元估计器将引发错误。

  • str：元数据应使用此给定别名而不是原始名称传递给元估计器。

默认值（sklearn.utils.metadata_routing.UNCHANGED）保留现有请求。这允许您更改某些参数的请求而不更改其他参数。

1.3 版新增。

注意

此方法仅在将此估计器用作元估计器的子估计器时才相关，例如在 Pipeline 内部使用时。否则无效。

参数:
sample_weight字符串, True, False, 或 None, 默认为 sklearn.utils.metadata_routing.UNCHANGED

sample_weight字符串, True, False, 或 None, 默认为 sklearn.utils.metadata_routing.UNCHANGED

返回:
self对象

更新后的对象。

partial_fit 方法中 sample_weight 参数的元数据路由。

请求传递给 transform 方法的元数据。

请注意，此方法仅在 enable_metadata_routing=True 时才相关（参见 sklearn.set_config）。请参阅 用户指南 了解路由机制的工作原理。

每个参数的选项有

  • True：请求元数据，如果提供则传递给 transform。如果未提供元数据，则忽略该请求。

  • False：不请求元数据，并且元估计器不会将其传递给 transform。

  • None：不请求元数据，如果用户提供，元估计器将引发错误。

  • str：元数据应使用此给定别名而不是原始名称传递给元估计器。

默认值（sklearn.utils.metadata_routing.UNCHANGED）保留现有请求。这允许您更改某些参数的请求而不更改其他参数。

1.3 版新增。

注意

此方法仅在将此估计器用作元估计器的子估计器时才相关，例如在 Pipeline 内部使用时。否则无效。

参数:
copy字符串, True, False, 或 None, 默认为 sklearn.utils.metadata_routing.UNCHANGED

copy字符串, True, False, 或 None, 默认为 sklearn.utils.metadata_routing.UNCHANGED

返回:
self对象

更新后的对象。

transform 方法中 copy 参数的元数据路由。

通过中心化和缩放执行标准化。

参数:
X形状为 (n_samples, n_features) 的 {类数组, 稀疏矩阵}

用于沿特征轴进行缩放的数据。

copy布尔值, 默认为 None

是否复制输入 X。

返回:
X_tr形状为 (n_samples, n_features) 的 {ndarray, 稀疏矩阵}

转换后的数组。