kmeans必须先缩放，因其依赖欧氏距离，量纲差异大会使大数值特征主导距离计算；standardscaler适用于近似正态分布特征，minmaxscaler适合有界或含异常值数据，且缩放须在训练集拟合后统一转换所有数据。
聚类算法（如 KMeans、DBSCAN）对特征量纲敏感，不缩放直接跑，结果大概率失效——这不是模型调参问题，是数据预处理没做对。
为什么 KMeans 一定要先用 StandardScaler 或 MinMaxScaler？
KMeans 依赖欧氏距离，而原始特征若单位差异大（比如年龄=25、收入=80000、点击数=1200），数值大的维度会主导距离计算，小数值特征实际被忽略。缩放不是“锦上添花”，是让各维度在距离计算中拥有平等话语权。
-
StandardScaler适合近似正态分布的特征：中心化 + 单位方差，输出均值≈0、标准差=1 -
MinMaxScaler更适合有明确边界或含异常值的数据：线性映射到 [0, 1] 区间，但对离群点敏感 - 别用
Normalizer——它按样本（行）归一化，会破坏样本间相对关系，聚类场景基本不用
缩放必须在训练集上拟合，再统一转换训练/测试/新数据
常见错误是分别对训练集和测试集单独调用 fit_transform()，这会导致两套独立的缩放参数，后续新样本无法复现相同变换逻辑，聚类结果不可复现。
- 正确做法：
scaler = StandardScaler().fit(X_train)，再用scaler.transform(X_train)和scaler.transform(X_test) - 如果用
pipeline，写成Pipeline([('scaler', StandardScaler()), ('kmeans', KMeans())])，自动保证一致性 - 注意：
fit_transform()只用于训练集；对新数据永远只用transform()
DBSCAN 对缩放更敏感，且需警惕 eps 参数的物理意义变化
eps 是 DBSCAN 的核心超参，代表“邻域半径”。缩放后，原来 eps=5 的含义彻底改变——它现在对应的是标准化后的空间距离，不再有原始业务单位。
- 缩放前调
eps是盲调；缩放后才可基于距离直方图（如NearestNeighbors的 k-distance 曲线）合理选值 - 缩放后
eps通常落在 0.1–2.0 区间，远小于原始量纲下的取值 - 若混合类型特征（数值+类别），先做独热编码，再对数值列缩放——类别列不能参与缩放
缩放本身很简单，难的是理解它如何重塑距离空间；很多聚类失败，其实连 scaler.fit() 和 scaler.transform() 的分工都没理清。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
