robustscaler对异常值不敏感，因其使用中位数和四分位距（iqr）缩放：(x − median) / iqr；中位数和iqr均对极端值稳健，但需在完整训练集上单独fit，避免与交叉验证耦合或误缩放类别特征。
RobustScaler 能有效抵抗极端异常值，前提是它只在训练集上 fit 一次，并且不与交叉验证逻辑耦合。
为什么 RobustScaler 对异常值不敏感
它不用均值和标准差，而是用中位数 center_ 和四分位距 scale_ = Q3 - Q1 做缩放：公式是 (X - median) / IQR。中位数对单个异常值完全无感，IQR 只覆盖中间 50% 的数据，所以哪怕末尾有个 1000，也不会拉偏整个尺度。
比如数据 [1, 2, 3, 4, 100]：
-
StandardScaler算出均值 ≈ 22，标准差 ≈ 44 → 正常值全被压到接近 0 -
RobustScaler中位数 = 3，IQR = 2 →[1, 2, 3, 4]仍保持合理间距
fit 和 transform 必须严格分离，不能在 pipeline 内随 CV 动态重 fit
常见错误是把 RobustScaler 直接塞进 cross_val_score 或 GridSearchCV 的 pipeline 里，导致每次 CV 折都用自己的子训练集重新计算 center_ 和 scale_ —— 这会让缩放结果抖动，尤其当某折恰好漏掉异常值时，IQR 缩小，其他折的数据就被过度拉伸。
正确做法：
- 先用完整
X_train显式调用scaler.fit(X_train) - 再构造 pipeline：
Pipeline([('scaler', scaler), ('model', model)]) - 或者用
make_column_transformer，但确保remainder='passthrough'，避免误缩放非数值列
和 OneHotEncoder 混用时，顺序和作用域必须明确
如果数据含类别列和数值列，RobustScaler 必须只作用于原始数值列，不能作用于 OneHotEncoder 输出的 0/1 稀疏矩阵 —— 否则会把语义清晰的二元编码强行映射到 [-1, 1] 区间，破坏稀疏性和可解释性。
安全组合方式：
- 用
ColumnTransformer明确指定数值列名，只对它们应用RobustScaler -
OneHotEncoder单独处理类别列，输出不经过任何 scaler - 确认
ColumnTransformer的remainder参数设为'passthrough'或'drop'，别留空默认
最容易被忽略的一点：RobustScaler 的鲁棒性不是“自动生效”的，它依赖你主动锁定 fit 数据源 —— 一旦让它的 fit 行为进入 CV 循环或测试集泄露路径，抗异常值能力就归零了。
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！
