使用转换器（MinMaxScaler、StandardScaler、RobustScaler）
介绍
本文介绍了居中和缩放的概念。通过一个真实的应用案例，我解释了居中和缩放数据的优势。
我们通过查看Scikit-Learn中现成的方法进行简单的计算和解释。
技术上，我们比较了MinMaxScaler、StandardScaler和RobustScaler。它们是转换器中的一部分，用于便捷地进行预处理。
到最后，您将了解居中和缩放数据的目的，并准备好使用现成的Scikit-Learn转换器。
什么是居中和缩放？
理解概念
缩放将数据转换为特定的范围或比例，而居中则涉及将数据点移动，使其平均值变为零。下面是一个示例。
您可以看到缩放和居中数据的效果。现在，右边的数据围绕0居中，并且显示在较短的比例上（X轴和Y轴）。
优势
居中和缩放数据有几个优势，其中对于缩放最重要的有：
- 改善算法性能：使用距离的算法（如K-最近邻算法和K-Means）对数据之间的距离敏感。缩小数据的规模以提高它们的性能。
- 归一化特征：当数据集包含具有不同尺度的特征时，缩放数据可以避免给具有较大量级的特征赋予过多重要性。
- 改善数据比较：由于具有相同的尺度，它便于数据比较。
- 预防数值问题：缩放数据可以预防溢出和下溢的问题（当数字非常小或大时）。
- 减少异常值的影响…