preprocessing.scale函数介绍

前言

preprocessing.scale 是 scikit-learn 库中的一个函数，用于在数据预处理中对特征进行标准化（标准差缩放）。标准化是指将数据调整到均值为零，方差为一的分布。这个过程有助于提升某些机器学习算法的性能，特别是那些依赖距离计算的算法，如支持向量机、k-means 聚类等。

函数介绍

sklearn.preprocessing.scale(X, axis=0, with_mean=True, with_std=True, copy=True)

参数介绍
X：要进行标准化处理的数据数组或者矩阵。通常是一个二维数组，其中行代表样本，列代表特征。

axis：指定沿哪个轴进行数据标准化。默认值为 0，即对每一列（特征）进行标准化。设置为 1 可以对每一行（样本）进行标准化。

with_mean：布尔型参数，表示是否将数据中心化（减去均值）。默认值为 True。

with_std：布尔型参数，表示是否将数据缩放到单位方差。默认值为 True。

copy：布尔型参数，表示是否在执行操作时复制数据。默认值为 True。如果设置为 False，则会在原地进行修改。

返回值

X_scaled：一个数组，包含标准化处理后的数据。

示例

from sklearn import preprocessing
import numpy as np

# 原始数据
X = np.array([[1.0, 2.0], 
              [3.0, 4.0], 
              [5.0, 6.0]])

# 标准化处理
X_scaled = preprocessing.scale(X)

print("标准化后的数据:\n", X_scaled)
print("均值:", X_scaled.mean(axis=0))  # 输出接近 [0, 0]
print("标准差:", X_scaled.std(axis=0)) # 输出接近 [1, 1]

结果如下：

标准化后的数据:
 [[-1.22474487 -1.22474487]
 [ 0.          0.        ]
 [ 1.22474487  1.22474487]]
均值: [0. 0.]
标准差: [1. 1.]

应用场景

机器学习模型：如 SVM、逻辑回归、神经网络等需要标准化输入的算法。

特征可比性：当特征尺度差异较大时（如年龄 vs 收入），标准化可避免某些特征主导模型。

注意事项

稀疏矩阵：若 with_mean=True，标准化会破坏稀疏性（转换为密集矩阵）。

标准差为 0：若某特征的标准差为 0（所有值相同），标准化后该列会变为 NaN，需提前处理。

替代方法：实际应用中更常用 StandardScaler 类（支持保存参数，适用于训练集和测试集的统一处理）：

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

通过 preprocessing.scale 可以快速实现数据标准化，但在复杂流程中推荐使用 StandardScaler 类以保持一致性。