在前處理 （preprocessing） 的問題也包含缺失值處理 （Missing Values），我們把這個問題，移到 “其他工具” 的 pandas 的教學裡面。

Standardization

在scikit-learn 裡面提供了四種不同的資料處理方法

• StandardScaler (平均值和標準差)
• MinMaxScaler (最小最大值標準化)
• MaxAbsScaler (絕對值最大標準化)
• RobustScaler

StandardScaler

將所有特徵標準化，減去 mean 再除以 std，使得數據的 mean 為 $0$，std 為 $1$。

MinMaxScaler

數據會縮放到到 $[0,1]$ 之間。

\[X_{scaled} = \frac{X - X.min}{X.max - X.min}\]

默認選項是對每一列都去做縮放。

MaxAbsScaler

數據會縮放到到 $[-1,1]$ 之間，方法類似 MinMaxScaler。

RobustScaler

可以有效的縮放帶有outlier的數據，透過Robust如果數據中含有異常值在縮放中會被捨去。

下面是使用範例

from sklearn import datasets
from sklearn.preprocessing import StandardScaler


X, y = datasets.load_iris(return_X_y=True)

scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# scaled之後的資料零均值，單位方差  
print('資料集 X 的平均值 : ', X.mean(axis=0))
print('資料集 X 的標準差 : ', X.std(axis=0))

print('\nStandardScaler 縮放過後的平均值 : ', X_scaled.mean(axis=0))
print('StandardScaler 縮放過後的標準差 : ', X_scaled.std(axis=0))

from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler()
X_scaled = scaler.fit_transform(X)

# scaled 之後的資料最小值、最大值  
print('資料集 X 的最小值 : ', X.min(axis=0))
print('資料集 X 的最大值 : ', X.max(axis=0))

print('\nStandardScaler 縮放過後的最小值 : ', X_scaled.min(axis=0))
print('StandardScaler 縮放過後的最大值 : ', X_scaled.max(axis=0))

from sklearn.preprocessing import MaxAbsScaler

X, y = datasets.load_iris(return_X_y=True)
# X = X-3
scaler = MaxAbsScaler()
X_scaled = scaler.fit_transform(X)


# scaled 之後的資料最小值、最大值  
print('資料集 X 的最小值 : ', X.min(axis=0))
print('資料集 X 的最大值 : ', X.max(axis=0))

print('\nStandardScaler 縮放過後的最小值 : ', X_scaled.min(axis=0))
print('StandardScaler 縮放過後的最大值 : ', X_scaled.max(axis=0))

from sklearn.preprocessing import RobustScaler

scaler = RobustScaler()
X_scaled = scaler.fit_transform(X)


# scaled 之後的資料最小值、最大值  
print('資料集 X 的最小值 : ', X.min(axis=0))
print('資料集 X 的最大值 : ', X.max(axis=0))

print('\nStandardScaler 縮放過後的最小值 : ', X_scaled.min(axis=0))
print('StandardScaler 縮放過後的最大值 : ', X_scaled.max(axis=0))