Normalizer

class sklearn.preprocessing.Normalizer(norm=’l2’, copy=True)

还没写。下面是假的

参数：

missing_values：整数或“NaN”，可选（默认=“NaN”）

缺少值的占位符。所有发生的missing_values将被计算。对于编码为np.nan的缺失值，使用字符串值“NaN”。

策略：字符串，可选（默认=“平均”）

插补策略。

• 如果“mean”，则用沿着轴的平均值代替缺失的值。

• 如果“中位数”，则使用沿轴的中位数替换缺失值。

• 如果“most_frequent”，则使用轴上最频繁的值替换缺失。

轴：整数，可选（默认值= 0）

用来指示的轴线。

• 如果

  axis = 0

  ，则沿着列进行置换。

• 如果

  axis = 1

  ，则沿行排除。

详细：整数，可选（默认= 0）

控制说话者的冗长。

复制：布尔值，可选（默认= True）

如果为True，则会创建一个X的副本。如果是假的，只要可能，插补将在原地完成。请注意，在下列情况下，即使copy = False，也总是会创建一个新副本：

• 如果X不是浮点数组，

• 如果X是稀疏的而且

  missing_values = 0

  ;

• 如果

  axis = 0

  并且X被编码为CSR矩阵;

• 如果

  axis = 1

  并且X被编码为CSC矩阵。

方法：

fit（X [，y]）	训练，并计算X
fit_transform（X [，y]）	适合数据，然后转换它。
get_params（deep=True）	获取此估算器的参数。
set_params（** PARAMS）	设置此估算器的参数。
transform（X [，y，copy]）	二进制化X的