标准化 & 归一化 是常见的数据处理方法，主要用途也都是特征缩放变换
更多标准化&归一化的讲解，大家可以前往 标准化和归一化什么区别？
归一化(Normalization)：将数据变换到 某个固定区间中，通常是 [0,1]
归一化(?min-max?Normalization) = x i ? x m i n x m a x ? x m i n (?mean?Normalization) = x i ? m e a n ( x ) x m a x ? x m i n \text{归一化( min-max Normalization)} =\frac{x_i-x_{min}}{x_{max}-x_{min}} \\ \quad \\ \qquad \qquad\text{( mean Normalization)} =\frac{x_i-mean(x)}{x_{max}-x_{min}} 归一化(?min-max?Normalization)=xmax??xmin?xi??xmin??(?mean?Normalization)=xmax??xmin?xi??mean(x)?标准化(Standardization) ：将数据变换为均值为0，标准差为1 的分布「??不一定是正态分布 ，标准化时，会改变 均值/标准差，但是 分布规律是不会改变的」随机变量 X X X服从期望为 μ \mu μ ,方差为 σ 2 \sigma ^{2} σ2的正态分布，记为 N ( μ ， σ 2 ) N(\mu，\sigma^2) N(μ，σ2)。当 μ = 0 , σ = 1 \mu = 0,\sigma = 1 μ=0,σ=1时为标准正态分布。
标准化(Standardization) = x i ? μ σ \text{标准化(Standardization)}=\frac{x_i-\mu}{\sigma} 标准化(Standardization)=σxi??μ?
中心化：也称为零均值处理，就是将每个数据减去数据集的均值
中心化 = X i ? X m e a n \text{中心化}=X_i - X_{mean} 中心化=Xi??Xmean?
缩放过程可以分为以下几种：
- 缩放到均值为0，方差为1（Standardization——StandardScaler()）【z-score归一化】
- 缩放到0和1之间（Standardization——MinMaxScaler()） 【min-max归一化】
- 缩放到-1和1之间（Standardization——MaxAbsScaler()）
- 缩放到0和1之间，保留原始数据的分布（Normalization——Normalizer()）
??！大家可以着重看下横坐标的变化
参考文章：标准化和归一化什么区别？