sklearn.preprocessing.robust_scale?
sklearn.preprocessing.robust_scale(X, *, axis=0, with_centering=True, with_scaling=True, quantile_range=(25.0, 75.0), copy=True)
沿任何軸標準化數據集
根據四分位數范圍，以中位數和分量明智規模為中心。
在用戶指南中閱讀更多內容。
| 參數 | 說明 |
|---|---|
| X | array-like 數據要居中和縮放。 |
| axis | int (0 by default) 用于計算中位數和IQR的軸。如果為0，則分別縮放每個特征，否則（如果為1）縮放每個樣本。 |
| with_centering | boolean, True by default 如果為True，則在縮放之前將數據居中。 |
| with_scaling | boolean, True by default 如果為True，則將數據縮放到單位方差（或等效地，單位標準偏差）。 |
| quantile_range | tuple (q_min, q_max), 0.0 < q_min < q_max < 100.0 默認值：（25.0，75.0）=（第一分位數，第三分位數）= IQR用于計算scale_的分位數范圍。 版本0.18中的新功能。 |
| copy | boolean, optional, default is True 設置為False可以執行就地行規范化并避免復制（如果輸入已經是numpy數組或scipy.sparse CSR矩陣，并且軸為1）。 |
另見：
使用Transformer API（例如，作為預處理 sklearn.pipeline.Pipeline的一部分）執行居中和縮放。
注釋
此實現將拒絕使scipy.sparse矩陣居中，因為這會使它們變得稀疏，并可能因內存耗盡問題而使程序崩潰。
相反，調用者要么顯式設置為_centering=False（在這種情況下，只有對CSR矩陣的特征執行方差縮放），要么調用X.toarray（），如果他/她希望物化密集數組適合內存。
為避免內存復制，調用者應傳遞一個CSR矩陣。
有關不同縮放器，轉換器和規范化器的比較，請參閱examples/preprocessing/plot_all_scaling.py。