机器学习部分算法 附相关公式

1. sklearn.preprocessing.scale 怎么算的，示例：

from sklearn import preprocessing
import numpy as np
X_train = np.array([[ 1., -1.,  2.], [ 2.,  0.,  0.], [ 0.,  1., -1.]]))

X_train

array([[ 1., -1.,  2.],
       [ 2.,  0.,  0.],
       [ 0.,  1., -1.]])

执行X_train.scale()后，得到

array([[ 0.        , -1.22474487,  1.33630621],
       [ 1.22474487,  0.        , -0.26726124],
       [-1.22474487,  1.22474487, -1.06904497]])
解释：将数据转化为标准正态分布。默认按特征列，以均值为中心，以分量为单位方差。
对应公式： (X - mean) / std 。其中 mean是平均值，std是标准差（方差的平方根）。
标准差的公式又是： std=sqrt(((x1-x)^2 +(x2-x)^2 +......(xn-x)^2)/n) ,其中 x 是均值。公式又如下图