用StandartScaler处理的数据可以包含值>1或<-1吗？
提问于 2017-10-07 12:45:44
我将我的功能数据放大如下：
flattened_num_f.head()
num_features_test = flattened_num_f.fillna(flattened_num_f.mean())
from sklearn.preprocessing import StandardScaler
std_scaler = StandardScaler()
num_train_std = pd.DataFrame(std_scaler.fit_transform(num_features_test.loc[y_train_IDs]), \
columns=num_features_test.loc[y_train_IDs].columns, \
index=num_features_test.loc[y_train_IDs].index)
test_for_stdness(num_train_std)最后一个函数将超出-1，1约束的值添加到列表中，它会找到~100个元素，max : 78.86000099160675，min :-2.785050711746339。
这是正常的，还是我犯了一个错误？
回答 1
Stack Overflow用户
回答已采纳
发布于 2017-10-07 12:59:51
StandardScaler根据标准正态分布(均值为零，标准差为1)进行转换。在这个分布中，随机变量可以在-infinity和无穷远之间取任意值。更大的价值不太可能出现，但它们可能会出现。事实上，你能看到一个小于-1或大于1的值的概率大约是32%。
。
有关图像的来源和一些示例计算，请参见这个可汗学院的页面。
在标准的min-max归一化中，减去最小值并除以范围，得到0到1之间的值，但这可以用一个线性函数来修改，这样就可以得到-1和1之间的值。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/46624947
复制
腾讯云开发者
