截止目前， 信用卡交易風險檢測 我們完成了數據集的導入、數據集問題觀察。其中，問題觀察部分我們發現：
本節，小魚將帶大家完成數據預處理的部分，數據集切分，下采樣和過采樣的實現方法將在連載的下篇介紹~
前面我們提到，在開始機器學習前，我們期望平等對待每個特征，這就要求特征之間的數值大小不要差距太大，特征對結果的貢獻應該由和特征相乘的參數決定。
為此，我們經常需要對特征進行標準化、歸壹化來縮放數據集，數據樣本的分布不變，只是將它們都縮放到同壹個空間。
常見的縮放處理工具有如下三種：
數據集中的脫敏特征 V1 - V28 滿足均值為 0 ，標準差為 1，已經完成了標準化處理。接下來，我們只需要對 Amount 和 Time 進行標準化處理即可。
sklearn 為我們提供了 StandardScaler 和 RobustScaler 來對數據集進行標準化。若數據中存在很大的異常值，可能會影響特征的均值和方差，進而影響標準化結果。
在此種情況下，使用中位數和四分位數間距進行縮放會更有效。這就是 RobustScaler 的標準化邏輯。
下面是 Amount 和 Time 原始的分布直方圖：
下面是使用 StandardScaler 進行特征標準化處理的過程：
結果：
時間經過 StandardScaler 標準化處理之後，數據分布關於原點對稱，且被縮放了合理區間。
交易金額 Amount 這裏展示的不明顯，可以使用盒圖進壹步觀察：
交易金額經過 StandardScaler 標準化處理之後，大部分數據都分布在 0 附近，但仍存在較多的離群值，最大的甚至大於100。
接下來，我們使用 RobustScaler 來進行標準化處理：
繪制結果：
時間列標準化之後數據分布位於 -1 到 1 之間，並且關於原點對稱。金額的分布似乎範圍變得更廣了，離群值更大了。我們用盒圖對比壹下：
通過上述分析發現，標準化之後，金額數據的處理還是不夠理想，存在大量的離群值。為此，小魚接下來將使用歸壹化，來將所有的數據特征都縮放到 0~1 區間。
繪制歸壹化處理後的 Amount 和 Time 分布：
繪制結果：
歸壹化之後，數據都被縮放到了 0~1 的區間。