为什么在聚类之前对数据进行标准化（预处理），而不是跨行缩放

Question

对于以下关于数据预处理聚类的问题，我很困惑，在网上找不到一个令人信服的答案。在

根据Python documentation，当我们使用sckit learn library中的内置命令进行预处理时，如果数据被表示为N x D矩阵，其中行是样本，列是特征，我们使行的平均值为零，同时行之间的标准差统一如下：

X_scaled.mean(axis=0)
array([ 0.,  0.,  0.])

X_scaled.std(axis=0)
array([ 1.,  1.,  1.])

我的问题是，我们不应该使列的平均值（特征值而不是样本数）为零，标准差也是一样的，因为我们试图标准化特征值，而不是样本值。网站和其他资源总是跨行标准化，但它们从不解释原因？在

Answer 1

我希望您能够规范化给定特性的值，跨越样本。如果你将一个给定样本的数据规范化，那么你已经抛出了很多信息。这将是为了比较特性（这很少有意义），而不是为了比较特性的样本。在

我不知道numpy或sklearn，所以对它有一点怀疑，但是在规范化时，您需要规范化（使用相同的参数）给定特性的所有数据，将该特性的所有值带入（-1。。。+1） ，平均值为零（或类似的值）。你要对每个特性分别做这个，所以它们最终都在这个范围内，每个特性的平均值为零。在

考虑一个例子，如果您对给定样本的所有特性进行了标准化。在

        height weight age
person1 180    65     50
person2 140    45     50

如果我们将person1的值规范化，然后对person2执行相同的操作，那么person2似乎与person1的年龄不同！在

如果我们对给定列的样本进行规范化，那么这些关系仍然有效。他们的年龄会匹配；人1会更高，人2会更轻。但所有特征的所有值都将符合后续分析所需的分布规则。在