3. 标准化与归一化：Z-score标准化、Min-Max归一化、RobustScaler、MaxAbsScaler的区别与选择

在数据预处理阶段，标准化（Standardization）与归一化（Normalization）是最核心的变量尺度变换技术。它们通过数学变换消除量纲影响，使不同量纲、不同数量级的特征能够被模型公平对待。然而，不同方法对异常值的敏感度、输出范围、适用模型类型存在显著差异，错误选择可能导致模型性能下降甚至失效。

3.1 四种主流尺度变换方法详解

3.1.1 Z-score标准化（StandardScaler）

将数据转换为均值为0、标准差为1的分布，适用于数据近似正态分布的场景。公式：

z = (x - μ) / σ

其中μ为均值，σ为标准差。变换后数据无固定上下界，约68%的数据落在[-1, 1]区间，约95%落在[-2, 2]区间。

3.1.2 Min-Max归一化（MinMaxScaler）

将数据线性缩放到指定区间（默认[0, 1]），适用于有明确边界且无极端异常值的场景。公式：

x_scaled = (x - x_min) / (x_max - x_min)

当指定feature_range=(min, max)时，公式扩展为：

x_scaled = (x - x_min) / (x_max - x_min) * (max - min) + min

3.1.3 RobustScaler（鲁棒缩放）

使用中位数和四分位距（IQR）代替均值和标准差，对异常值具有天然鲁棒性。公式：

x_scaled = (x - median) / IQR

其中IQR = Q3 - Q1（第三四分位数与第一四分位数的差值）。变换后数据不以0为中心，但受异常值影响极小。

3.1.4 MaxAbsScaler（最大绝对值缩放）

将每个特征除以该特征的最大绝对值，将数据缩放到[-1, 1]区间，适用于稀疏数据（如文本TF-IDF矩阵）。公式：

x_scaled = x / max(|x|)

该变换不改变数据的正负符号，且不移动中心，保持稀疏矩阵的零值结构。

3.2 核心差异对比表

3.3 选择策略与决策流程

在实际建模中，选择哪种方法取决于数据特征、模型类型和业务场景。以下决策流程可帮助快速定位：

1. 检查数据是否稀疏（如文本TF-IDF、one-hot编码）→ 是则使用 MaxAbsScaler。
2. 检查是否存在明显异常值（箱线图或3σ原则判断）→ 是则使用 RobustScaler。
3. 检查特征是否有物理边界（如年龄0-100、像素0-255）→ 是则使用 Min-Max归一化。
4. 默认选择 → 使用 Z-score标准化，尤其适用于后续PCA、线性模型或神经网络。

3.4 代码实现示例

以下使用scikit-learn展示四种方法的调用方式及效果对比：

import numpy as np
from sklearn.preprocessing import StandardScaler, MinMaxScaler, RobustScaler, MaxAbsScaler

# 构造含异常值的样本数据
data = np.array([[1.0, -10.0, 100.0],
                 [2.0, 0.0, 200.0],
                 [3.0, 5.0, 300.0],
                 [100.0, 20.0, 400.0]])  # 第一列含异常值100

# 初始化各缩放器
scalers = {
    'Z-score': StandardScaler(),
    'Min-Max': MinMaxScaler(),
    'Robust': RobustScaler(),
    'MaxAbs': MaxAbsScaler()
}

# 应用并打印结果
for name, scaler in scalers.items():
    transformed = scaler.fit_transform(data)
    print(f"{name}:")
    print(np.round(transformed, 3))
    print()

输出结果对比（第一列异常值的影响）：

3.5 进阶：何时需要组合使用？

在复杂建模场景中，单一缩放方法可能无法满足所有特征的需求。以下为常见的组合策略：

• 分特征组处理：对数值型连续特征使用Z-score，对图像像素使用Min-Max，对稀疏文本特征使用MaxAbs。
• 先分箱后缩放：对长尾分布特征先进行对数变换或分箱，再应用Z-score标准化，可同时解决偏态和量纲问题。
• Pipeline集成：在scikit-learn Pipeline中按特征列分别指定不同的Scaler，使用ColumnTransformer实现。

from sklearn.compose import ColumnTransformer
from sklearn.pipeline import Pipeline

preprocessor = ColumnTransformer(
    transformers=[
        ('num', StandardScaler(), ['age', 'income']),
        ('sparse', MaxAbsScaler(), ['text_feature_1', 'text_feature_2']),
        ('robust', RobustScaler(), ['outlier_feature'])
    ])

pipeline = Pipeline(steps=[('preprocessor', preprocessor),
                           ('classifier', LogisticRegression())])