Python 线性回归标度特征

我想做一个线性回归

我的特征如下：

Marketcap       EBIT Margin   Price to Book Ratio   EPS Growth

5.589918e+08    23.05            8.71                 7.16
5.572475e+08    65.00            9.68              - 18.44
8.639290e+09     7.8            12.74              - 55.00

在进行线性回归时，我确实需要调整这些功能，尤其是当它们有着如此不同的规模，比如Marketcap和其他功能时，对吗

每股收益增长的负值是什么？ 在本例中，执行特征缩放的最佳方法是什么？

来自：

通过删除平均值并缩放到单位方差来标准化特征

这意味着，给定一个输入x，将其转换为（x-mean）/std（其中所有尺寸和操作都定义得很好）

因此，即使您的输入值都为正值，删除平均值也会使其中一些值为负值：

>>> x = np.array([3,5,7])
>>> np.mean(x)
5.0
>>> x - np.mean(x)
array([-2.,  0.,  2.])

更多详情：

（第4.3节）

---

您是否尝试过一些标准的缩放方式？例如：我尝试了

预处理。StandardScaler

但是当我尝试拟合线性回归时，我得到了一个错误：ValueError：预期的2D数组，得到的是标量数组：如果不查看实现，很难猜出哪里出了错。你能把你的代码和一些样本数据和你的问题一起发布吗？这很有效，我用了

预处理。scale

。