dask_ml.preprocessing.StandardScaler

`dask_ml.preprocessing`.StandardScaler¶

class dask_ml.preprocessing.StandardScaler(*, copy=True, with_mean=True, with_std=True)¶

通过移除均值并缩放到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）。

通过计算训练集中样本的相关统计量，对每个特征独立地进行中心化和缩放。然后存储均值和标准差，以便在后续数据上使用 transform()。

数据集的标准化是许多机器学习估计器的一个常见要求：如果各个特征或多或少看起来不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（例如支持向量机的 RBF 核或线性模型的 L1 和 L2 正则化项）都假定所有特征都以 0 为中心并且具有相同量级的方差。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，并使得估计器无法如预期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。

通过传入 with_mean=False 可以将此缩放器应用于稀疏 CSR 或 CSC 矩阵，以避免破坏数据的稀疏结构。

在用户指南中阅读更多信息。

参数

copy布尔型, 默认为 True: 如果为 False，则尝试避免复制并改为进行原地缩放。不保证总是原地工作；例如，如果数据不是 NumPy 数组或 scipy.sparse CSR 矩阵，仍可能会返回一个副本。
with_mean布尔型, 默认为 True: 如果为 True，则在缩放之前将数据中心化。在稀疏矩阵上尝试此操作将不起作用（并引发异常），因为对其进行中心化需要构建一个密集矩阵，这在常见用例中可能会过大而无法容纳在内存中。
with_std布尔型, 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: 每个特征的数据的相对缩放，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，数据保持原样，缩放因子为 1。with_std=False 时，scale_ 等于 None。

0.17 版本新增: scale_
mean_形状为 (n_features,) 的 ndarray 或 None: 训练集中每个特征的平均值。with_mean=False 且 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_。with_mean=False 且 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 版本新增。
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 版本新增。
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 将是一个整数，否则它将是一个 dtype 为 int 的数组。如果使用了 sample_weights，它将是一个浮点数（如果没有缺失数据）或一个 dtype 为 float 的数组，它汇总了到目前为止看到的权重。在新的 fit 调用时会重置，但在 partial_fit 调用之间会递增。

另请参阅

scale: 没有估计器 API 的等效函数。
PCA: 使用 'whiten=True' 进一步移除特征之间的线性相关性。

注意

NaNs 被视为缺失值：在 fit 中忽略，在 transform 中保留。

我们使用标准差的有偏估计量，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.]]

方法

`fit`(X[, y])	计算用于后续缩放的均值和标准差。
`fit_transform`(X[, y])	拟合数据，然后进行转换。
`get_feature_names_out`([input_features])	获取转换后的输出特征名称。
`get_metadata_routing`()	获取此对象的元数据路由。
`get_params`([deep])	获取此估计器的参数。
`inverse_transform`(X[, copy])	将数据缩放回原始表示。
`partial_fit`(X[, y])	在 X 上在线计算均值和标准差，用于后续缩放。
`set_fit_request`(*[, sample_weight])	请求传递给 `fit` 方法的元数据。
`set_inverse_transform_request`(*[, copy])	请求传递给 `inverse_transform` 方法的元数据。
`set_output`(*[, transform])	设置输出容器。
`set_params`(**params)	设置此估计器的参数。
`set_partial_fit_request`(*[, sample_weight])	请求传递给 `partial_fit` 方法的元数据。
`set_transform_request`(*[, copy])	请求传递给 `transform` 方法的元数据。
`transform`(X[, y, copy])	通过中心化和缩放执行标准化。

__init__(*, copy=True, with_mean=True, with_std=True)¶

dask_ml.decomposition.TruncatedSVD

dask_ml.preprocessing.RobustScaler

dask_ml.preprocessing.StandardScaler

dask_ml.preprocessing.StandardScaler¶

`dask_ml.preprocessing`.StandardScaler¶