有兩種不同的方式：
使用sklearn.preprocessing.scale()函數(shù)，可以直接將給定數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化。
>>> from sklearn import preprocessing
>>> import numpy as np
>>> X = np.array([[ 1., -1., 2.],
... [ 2., 0., 0.],
... [ 0., 1., -1.]])
>>> X_scaled = preprocessing.scale(X)

>>> X_scaled
array([[ 0. ..., -1.22..., 1.33...],
[ 1.22..., 0. ..., -0.26...],
[-1.22..., 1.22..., -1.06...]])

>>>#處理后數(shù)據(jù)的均值和方差
>>> X_scaled.mean(axis=0)
array([ 0., 0., 0.])

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

使用sklearn.preprocessing.StandardScaler類(lèi)，使用該類(lèi)的好處在于可以保存訓(xùn)練集中的參數(shù)（均值、方差）直接使用其對(duì)象轉(zhuǎn)換測(cè)試集數(shù)據(jù)。