标准化缩放器#

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

通过移除均值并缩放至单位方差来标准化特征。

样本x的标准分数计算如下：

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。

中心化和缩放操作针对每个特征独立进行，方法是在训练集样本上计算相关统计量。然后存储均值和标准差，以便稍后使用 transform 方法处理后续数据。

数据集的标准化是许多机器学习估计器的常见要求：如果各个特征看起来不太像标准正态分布数据（例如，均值为 0、方差为 1 的高斯分布），它们的行为可能会很糟糕。

例如，学习算法目标函数中使用的许多元素（例如支持向量机的 RBF 核或线性模型的 L1 和 L2 正则化项）都假设所有特征都以 0 为中心，并且方差处于相同的数量级。如果一个特征的方差比其他特征大几个数量级，它可能会支配目标函数，并使估计器无法像预期的那样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，特征的缩放比例可能彼此不同。有关示例可视化，请参阅比较 StandardScaler 与其他缩放器。

通过传递 with_mean=False，此缩放器也可以应用于稀疏 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，则尝试避免复制并改为就地缩放。但这不能保证总是能够就地执行；例如，如果数据不是 NumPy 数组或 scipy.sparse CSR 矩阵，则可能仍然会返回副本。
with_mean布尔值，默认为 True: 如果为 True，则在缩放之前对数据进行中心化。尝试对稀疏矩阵进行中心化操作时，此操作无效（并将引发异常），因为中心化它们需要构建一个密集矩阵，在常用情况下，该矩阵可能太大而无法放入内存。
with_std布尔值，默认为 True: 如果为 True，则将数据缩放为单位方差（或等效地，单位标准差）。

属性：

scale_形状为 (n_features,) 的 ndarray 或 None: 为了实现零均值和单位方差，数据的每个特征的相对缩放比例。通常情况下，这是使用 np.sqrt(var_) 计算的。如果方差为零，则无法实现单位方差，数据将保持不变，缩放因子为 1。scale_ 当 with_std=False 时等于 None。

版本 0.17 中新增： scale_
mean_形状为 (n_features,) 的 ndarray 或 None: 训练集中每个特征的平均值。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_整数: 在拟合过程中看到的特征数量。

版本 0.24 中新增。
feature_names_in_形状为 (n_features_in_,) 的 ndarray: 在拟合过程中看到的特征名称。仅当 X 的特征名称全部为字符串时才定义。

版本 1.0 中新增。
n_samples_seen_整数或形状为 (n_features,) 的 ndarray: 估计器为每个特征处理的样本数。如果没有缺失样本，则 n_samples_seen 将为整数，否则它将为 dtype 为 int 的数组。如果使用了 sample_weights，则它将是一个浮点数（如果没有缺失数据），或者是一个 dtype 为 float 的数组，其总和为到目前为止看到的权重。在新调用 fit 时将重置，但在 partial_fit 调用中会递增。

另请参阅

缩放: 没有估计器 API 的等效函数。
PCA: 使用 ‘whiten=True’ 进一步去除特征间的线性相关性。

备注

NaN 被视为缺失值：在拟合中被忽略，在转换中被保留。

我们使用标准差的有偏估计器，等效于 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]#

计算均值和标准差，以便稍后进行缩放。

参数：

X形状为 (n_samples, n_features) 的 {数组、稀疏矩阵}: 用于计算稍后沿特征轴缩放时使用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: 每个样本的个体权重。

版本 0.24 中新增：参数 sample_weight 对 StandardScaler 的支持。

返回：

self对象: 已拟合的缩放器。

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

拟合数据，然后转换它。

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（对于无监督转换则为 None）。
**fit_params字典: 附加拟合参数。

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，则使用feature_names_in_作为输入特征名称。如果feature_names_in_未定义，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feature_names_in_已定义，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MetadataRequest，封装了路由信息。

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，将返回此估计器和包含的作为估计器的子对象的参数。

返回：

params字典: 参数名称与其值的映射。

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

将数据缩放回原始表示。

参数：

X形状为 (n_samples, n_features) 的 {数组、稀疏矩阵}: 用于沿特征轴缩放的数据。
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。

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

在线计算 X 的均值和标准差，以便以后进行缩放。

所有 X 都作为单个批次处理。这适用于由于n_samples数量非常大或 X 从连续流中读取而无法使用fit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 的论文“Algorithms for computing the sample variance: Analysis and recommendations.” The American Statistician 37.3 (1983): 242-247 中的公式 1.5a,b 中给出。

参数：

X形状为 (n_samples, n_features) 的 {数组、稀疏矩阵}: 用于计算稍后沿特征轴缩放时使用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: 每个样本的个体权重。

版本 0.24 中新增：参数 sample_weight 对 StandardScaler 的支持。

返回：