特征标准化不直接提升精度，但能增强训练稳定性与收敛速度；KNN、SVM、带正则的线性模型、神经网络等对量纲敏感的模型必须标准化；须用训练集统计量统一转换训练/测试集，且需先处理缺失值、离群点及区分特征类型。
特征标准化本身不直接提升模型精度，但它能让模型训练更稳定、收敛更快，尤其对距离敏感（如KNN、SVM）或梯度依赖（如线性回归、神经网络）的算法效果明显。关键不是“做了就一定变好”，而是“不做可能出问题”。
哪些模型必须做标准化？
以下模型对特征量纲和数值范围敏感，未标准化易导致性能下降或训练失败：
- K近邻（KNN）：距离计算被大数值特征主导，小数值特征几乎无贡献
- 支持向量机（SVM）：尤其是RBF核，依赖样本间相似性，尺度不一致会扭曲决策边界
- 逻辑回归 / 线性回归（带L1/L2正则）：正则项惩罚系数大小，若某特征值普遍很大，其对应权重会被过度压缩
- 神经网络 / 梯度下降类模型：不同尺度特征导致梯度更新方向不均衡，收敛慢甚至震荡
用sklearn做标准化的规范流程
核心原则：**只能用训练集统计量拟合，再统一转换训练集和测试集**。绝不能分别对训练集和测试集单独fit。
- 用StandardScaler()对训练特征调用fit_transform()（计算均值、标准差并完成转换）
- 对测试特征只调用transform()（用训练集得到的均值和标准差进行转换）
- 如果涉及交叉验证，需在每折内独立fit-transform训练子集，再transform验证子集（可用Pipeline自动处理）
标准化前要先做这些检查
跳过数据探查直接标准化，可能掩盖真实问题：
立即学习“Python免费学习笔记（深入）”；
- 检查缺失值：StandardScaler默认无法处理NaN，需先填充或删除
- 识别离群点：均值和标准差对异常值敏感，极端值会导致缩放后大部分数据挤在窄区间；可考虑RobustScaler（用中位数和四分位距）
- 区分数值型与类别型特征：标准化只作用于连续数值特征，类别编码后的数字（如LabelEncoder结果）一般不标准化
- 注意目标变量：回归任务中y通常不标准化；若标准化了，预测后需反变换才能还原真实值
要不要标准化，其实看这三点
不必机械执行，结合实际判断：
- 模型是否对尺度敏感（树模型如决策树、随机森林、XGBoost基本不需要）
- 所有特征是否天然在同一量级（比如都是0–1之间的评分，或都是归一化后的嵌入向量）
- 训练过程是否出现loss不下降、权重爆炸、early stopping频繁触发等不稳定现象
基本上就这些。标准化是预处理里的基础操作，不复杂但容易忽略细节——尤其那个“只fit一次”的规则，踩坑的人真不少。
