Standard scaler 和 MinMaxScaler 之间的区别

Question

MinMaxScaler() 和 StandardScaler() 之间有什么区别。

mms = MinMaxScaler(feature_range = (0, 1)) （用于机器学习模型）

sc = StandardScaler() （在另一个机器学习模型中，他们使用标准缩放器而不是最小最大缩放器）

原文由 Chakra 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

来自 ScikitLearn 网站：

StandardScaler 删除均值并将数据缩放为单位方差。然而，异常值在计算经验均值和标准差时会产生影响，从而缩小特征值的范围，如下左图所示。请特别注意，由于每个特征上的异常值具有不同的大小，因此每个特征上转换后的数据的分布非常不同：大多数数据位于转换后的收入中位数特征的 [-2, 4] 范围内，而相同的对于转换后的家庭数量，数据被压缩在较小的 [-0.2, 0.2] 范围内。

因此，StandardScaler 不能保证在异常值存在的情况下平衡特征尺度。

MinMaxScaler 数据集，使所有特征值都在 [0, 1] 范围内，如下面右侧面板所示。但是，对于转换后的家庭数量，此缩放比例会压缩窄范围 [0, 0.005] 内的所有异常值。

原文由 Simas Joneliunas 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

MinMaxScaler(feature_range = (0, 1)) 将在 [0,1] 范围内按比例转换列中的每个值。将其用作转换特征的第一个缩放器选择，因为它将保留数据集的形状（无失真）。

StandardScaler() 将列中的每个值转换为均值 0 和标准差 1 左右的范围，即，每个值将通过减去均值并除以标准差来归一化。如果您知道数据分布是正常的，请使用 StandardScaler。

如果有异常值，请使用 RobustScaler() 。或者，您可以删除异常值并使用上述 2 个缩放器中的任何一个（选择取决于数据是否呈正态分布）

补充说明：如果在train_test_split之前使用scaler，会发生数据泄露。在 train_test_split 之后使用缩放器

原文由 perpetualstudent 发布，翻译遵循 CC BY-SA 4.0 许可协议