本篇内容讨论的是数据特征处理中数据标准化方案，相比于在【数据特征处理之数值型数据（归一化）】中介绍的归一化方案由于自身的不足而导致的应用场景受限（数据量较小的工程、不稳定），数据标准化方案几乎克服了特征极值的影响，且完全适用于数据工程较大的场景。
本文内容虽然很基础，但为了更加形象的理解知识内容，所以开始还是给出知识点的逻辑位置
什么是特征处理？
通过特定的统计方法（数学方法）将待处理数据转换为算法要求的数据的这个过程称为特征处理。
标准化的特点
对不同特征维度的伸缩变换使得不同度量之间的特征具有可比性
在数据量较多的场景比较稳定（适用于现代嘈杂大数据场景）
对于数据标准化，其数学（统计学）方法为
上述公式中，X’为标准化后的数据，mean为种特征的均值，σ为标准差。σ标准差理论计算公式为：
其中，n为每个特征的样本个数，mean依然为每种特征的均值，var在统计学中用来表示方差，其效果作用于每一列（划重点）
借助机器学习中的sklearn模块来完成数据的标准化特征处理
上述缩放结果是借助机器学习中的sklearn模块来完成的，完整的代码如下
# -*- coding:utf-8 -*-
# @Author: 数据与编程之美
# @File: standard_scaler.py
from sklearn.preprocessing import StandardScaler
def standard_scaler():
std = StandardScaler()
data = std.fit_transform([[425, 42, 0.16],
[544, 66, 1.28],
[509, 75, 0.87],
[496, 60, 0.99],
[580, 23, 1.15]])
print(data)
if __name__ == "__main__":
standard_scaler()
数据标准化后的特点：
数据标准化后的数据其每种特征的所有样本均值为0，方差、标准差为1。
数据标准化后没有改变数据的几何距离，即没有改变数据的分布（重点）。
上述内容便是数据特征处理中的数据标准化理论、操作流程。标准化由于自身的大数据量特性，因此很适合现今的诸多大数据量场景。
---END---
首发地址： 公众号：数据与编程之美
,
