robustscaler比standardscaler更抗异常值，因其使用中位数和四分位距（iqr）而非均值和标准差进行缩放，而中位数和iqr对离群点不敏感；例如数据[1,2,3,4,100]中，standardscaler均值被拉至22、标准差约44，导致正常值缩放后趋近于0，而robustscaler中位数为3、iqr为2，保持[1,2,3,4]合理间距。
RobustScaler 为什么比 StandardScaler 更抗异常值？
因为 RobustScaler 不用均值和标准差，而是用中位数（center_）和四分位距（scale_，即 Q3 − Q1），这两者对离群点不敏感。当你数据里有明显异常值（比如某列出现几个极大极小的错误录入），StandardScaler 会被拉偏，缩放后大部分样本挤在一边，而 RobustScaler 能保持分布形态。
注意：它默认只对非空数值列生效；如果输入含 NaN，会直接报错 ValueError: Input contains NaN，必须先处理缺失值。
如何正确调用 RobustScaler 并避免 fit_transform 误用？
关键原则：只能对训练集调用 fit_transform()，对验证/测试集严格用 transform() —— 否则会泄露测试数据的统计量，导致评估失真。
-
RobustScaler的fit()阶段只计算每列的center_和scale_，不修改数据 -
transform()才真正做(X - center_) / scale_ - 若对测试集重复调用
fit_transform()，模型就“看到”了测试数据的中位数和 IQR，后续交叉验证结果会虚高
示例：
from sklearn.preprocessing import RobustScaler<br>scaler = RobustScaler()<br>X_train_scaled = scaler.fit_transform(X_train) # ✅<br>X_test_scaled = scaler.transform(X_test) # ✅<br># X_test_scaled = scaler.fit_transform(X_test) # ❌
RobustScaler 的参数怎么选？quantile_range 是什么？
quantile_range 控制用于计算缩放尺度的分位数范围，默认是 (25, 75)，对应 IQR。你可以改它来更激进或更保守地排除异常值：
- 设为
(10, 90)：用 10% 和 90% 分位数，缩放范围更大，对轻度离群更容忍 - 设为
(1, 99)：几乎等价于StandardScaler，但依然基于分位数，不依赖正态假设 - 设为
(50, 50)会报错 —— 下分位不能 ≥ 上分位
with_centering 和 with_scaling 可单独关闭中心化或缩放，比如只做中位数中心化（with_scaling=False），但极少用。
和 Pipeline 搭配时常见陷阱
把 RobustScaler 塞进 sklearn.pipeline.Pipeline 很自然，但要注意两点：
- 确保 Pipeline 中所有步骤都支持稀疏矩阵 ——
RobustScaler默认不支持稀疏输入，遇到scipy.sparse矩阵会报TypeError: A sparse matrix was passed, but dense data is required；解决方法是加with_centering=False（因中心化需转稠密），或提前.toarray() - 如果 Pipeline 后接树模型（如
RandomForestClassifier），缩放其实没必要，但不会出错；不过若混用线性模型和树模型，统一缩放可能掩盖特征重要性差异
真实项目里最容易被忽略的是：缩放器一旦 fit 完，它的 center_ 和 scale_ 就固定了，后续部署时必须用同一套参数处理新数据 —— 这意味着你要持久化 scaler（比如用 pickle.dump），而不是每次重新 fit。
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！
