StandardScaler类进行数据标准化方式

要导入StandardScaler类进行数据标准化，请使用以下语句：

from sklearn.preprocessing import StandardScaler

使用步骤详解

1. 创建实例
   scaler = StandardScaler()
2. 拟合数据（计算均值和标准差）
   scaler.fit(X_train)
   说明：X_train是训练集特征矩阵，形状为(n_samples, n_features)
3. 转换数据（应用标准化）
4. X_train_std = scaler.transform(X_train) # 标准化训练集
   X_test_std = scaler.transform(X_test) # 用训练集的参数标准化测试集

关键特性

• 标准化公式：
  z=x−μσz = \frac{x – \mu}{\sigma}z=σx−μ​

import numpy as np
from sklearn.preprocessing import StandardScaler

# 生成示例数据（3个样本，2个特征）
data = np.array([[1.0, 2.0], [3.0, 1.0], [2.0, 3.0]])

# 标准化
scaler = StandardScaler()
scaler.fit(data) # 计算均值和标准差
transformed_data = scaler.transform(data) # 应用转换

print(“原始数据:\n”, data)
print(“标准化后:\n”, transformed_data)
print(“均值:”, scaler.mean_) # 输出: [2.0, 2.0]
print(“标准差:”, np.sqrt(scaler.var_)) # 输出: [0.82, 0.82] (近似)