我无法理解网页的StandardScaler的文档中sklearn。
谁能简单地向我解释一下？
谁能向我解释StandardScaler？
Answers:
背后的想法StandardScaler是，它将转换您的数据，使其分布的平均值为0，标准差为1。
对于多变量数据，这是按功能进行的（换句话说，独立于数据的每一列） 。
给定数据的分布，数据集中的每个值都将减去平均值，然后除以整个数据集（或多变量情况下的特征）的标准差。
@makis我根据您的建议对答案进行了编辑。
—
user6903745
简介：我假设您有一个矩阵X，其中每一行/每一行都是一个样本/观测值，每一列都是一个变量/特征（sklearn顺便说一下，这是任何ML函数的预期输入- X.shape应该是[number_of_samples, number_of_features]）。
方法的核心：主要思路是正常化/标准化，即μ = 0与σ = 1你的功能/变量/列X，单独， 之前应用任何机器学习模型。
StandardScaler()将归一化的特征，即X的每一列中，独立地，使每个柱/特征/变量将具有μ = 0和σ = 1。
附言：我在此页面上找到了最受欢迎的答案，这是错误的。我引用的是“数据集中的每个值都将减去样本平均值” –这既不正确也不正确。
例：
from sklearn.preprocessing import StandardScaler
import numpy as np
# 4 samples/observations and 2 variables/features
data = np.array([[0, 0], [1, 0], [0, 1], [1, 1]])
scaler = StandardScaler()
scaled_data = scaler.fit_transform(data)
print(data)
[[0, 0],
[1, 0],
[0, 1],
[1, 1]])
print(scaled_data)
[[-1. -1.]
[ 1. -1.]
[-1. 1.]
[ 1. 1.]]验证每个特征（列）的平均值是否为0：
scaled_data.mean(axis = 0)
array([0., 0.])验证每个功能（列）的标准差为1：
scaled_data.std(axis = 0)
array([1., 1.])数学：
UPDATE 08/2019：Concering输入参数with_mean和with_std到False/ True，我这里提供一个答案：之间StandardScaler差“with_std =伪或真”和“with_mean =伪或真”
您有什么想法，
—
Sos，
[1.15, 1.15]当我以pandas df计算时会明白pd.DataFrame(scaled_data).std(0)吗？
当我跑步时，
—
-Sos
pd.DataFrame(scaled_data)[0]我得到了一系列与Name: 0, dtype: float64和值[-1.0, 1.0, -1.0, 1.0]。抱歉，格式不正确
@seralouk我喜欢您的回答，但是我仍然想知道使用转换输入数据的目的是什么
—
sepisoad
StandardScaler，它会使机器学习算法运行得更快，还是有助于做出更准确的决策，或者其他？
数据集的标准化是许多机器学习估计器的共同要求：如果各个特征看起来或多或少不像标准正态分布数据（例如均值和单位方差为0的高斯），它们的表现可能会很差。例如，学习算法的目标函数中使用的许多元素（例如SVM的RBF内核或线性模型的L1和L2正则化器）都假定所有特征都围绕0居中并且具有相同顺序的方差。
—
seralouk
因此，标准化导致a）更稳定b）不受变量范围的影响c）更快拟合d）更稳定的性能
—
seralouk
StandardScaler执行标准化任务。通常，数据集包含比例不同的变量。例如，一个Employee数据集将包含AGE列，其值的范围为20-70，而SALARY列的值的范围为10000-80000。
由于这两列的规模不同，因此在构建机器学习模型时将它们标准化以具有相同的规模。
上面的答案很好，但是我需要一个简单的例子来减轻过去的担忧。我想确保确实将每个专栏分开对待。现在，我可以放心了，无法找到引起我关注的示例。如上所述，所有列均按比例缩放。
码
import pandas as pd
import scipy.stats as ss
from sklearn.preprocessing import StandardScaler
data= [[1, 1, 1, 1, 1],[2, 5, 10, 50, 100],[3, 10, 20, 150, 200],[4, 15, 40, 200, 300]]
df = pd.DataFrame(data, columns=['N0', 'N1', 'N2', 'N3', 'N4']).astype('float64')
sc_X = StandardScaler()
df = sc_X.fit_transform(df)
num_cols = len(df[0,:])
for i in range(num_cols):
col = df[:,i]
col_stats = ss.describe(col)
print(col_stats)输出值
DescribeResult(nobs=4, minmax=(-1.3416407864998738, 1.3416407864998738), mean=0.0, variance=1.3333333333333333, skewness=0.0, kurtosis=-1.3599999999999999)
DescribeResult(nobs=4, minmax=(-1.2828087129930659, 1.3778315806221817), mean=-5.551115123125783e-17, variance=1.3333333333333337, skewness=0.11003776770595125, kurtosis=-1.394993095506219)
DescribeResult(nobs=4, minmax=(-1.155344148338584, 1.53471088361394), mean=0.0, variance=1.3333333333333333, skewness=0.48089217736510326, kurtosis=-1.1471008824318165)
DescribeResult(nobs=4, minmax=(-1.2604572012883055, 1.2668071116222517), mean=-5.551115123125783e-17, variance=1.3333333333333333, skewness=0.0056842140599118185, kurtosis=-1.6438177182479734)
DescribeResult(nobs=4, minmax=(-1.338945389819976, 1.3434309690153527), mean=5.551115123125783e-17, variance=1.3333333333333333, skewness=0.005374558840039456, kurtosis=-1.3619131970819205)
为什么方差不是1，请？
—
最多
以下是一个简单的工作示例，用于解释标准化计算的工作原理。理论部分已经在其他答案中得到了很好的解释。
>>>import numpy as np
>>>data = [[6, 2], [4, 2], [6, 4], [8, 2]]
>>>a = np.array(data)
>>>np.std(a, axis=0)
array([1.41421356, 0.8660254 ])
>>>np.mean(a, axis=0)
array([6. , 2.5])
>>>from sklearn.preprocessing import StandardScaler
>>>scaler = StandardScaler()
>>>scaler.fit(data)
>>>print(scaler.mean_)
#Xchanged = (X−μ)/σ WHERE σ is Standard Deviation and μ is mean
>>>z=scaler.transform(data)
>>>z计算方式
正如您在输出中看到的，均值为[6。，2.5]和标准偏差为[1.41421356，0.8660254]
数据为（0,1）位置为2标准化=（2-2.5）/0.8660254 = -0.57735027
（1,0）位置的数据为4标准化=（4-6）/1.41421356 = -1.414
标准化后的结果
标准化后检查均值和标准偏差
注意：-2.77555756e-17非常接近0。
参考文献
each value in the dataset will have the sample mean value subtracted- 这不是真的。EACH特征/列的平均值将从特定列的值中减去。这是按列进行的。没有sample mean value subtracted-请在下面看到我的答案