我读了一篇关于特征缩放的文章：all-about-feature-scaling

两种主要的特征缩放技术是：

1. min-max scaler – 适用于分布非高斯的特征。

2. Standard scaler – 适用于具有高斯分布的特征。

我阅读了其他文章和示例，似乎我们总是对所有特征使用一种缩放方法（min-max 或 standard）。

我没有看到有示例或论文建议这样做：

1. 遍历所有特征，对于每个特征：1.1 检查特征分布1.2 如果特征分布是高斯的：1.2.1 对该特征使用标准缩放器1.3 否则：1.3.1 对该特征使用最小-最大缩放器

1. 为什么我们不混合使用缩放方法？

2. 我的提议有什么问题或缺点？

回答：

然后，你的特征将具有不同的尺度，这是一个问题，因为尺度较大的特征会主导其他特征（例如，在KNN中）。使用最小-最大归一化的特征将被重新缩放到[0,1]范围内，而使用标准化处理的特征将被转换到负到正的范围内（例如，[-2,+2]，或者在标准差较小的情况下范围更宽）。