1
Amy 原创整理｜资料核验：2026-10-31
【官方文档事实】Normalizer对每个非零样本独立处理，也就是按数据矩阵的行进行归一化，让所选范数等于1。默认使用L2范数，还可选择L1或max。这与逐列计算均值、方差后标准化，是不同的操作。
【教学示例】一行[3, 4]的L2长度为5，归一化后成为[0.6, 0.8]；如果另一行是[30, 40]，也会得到相同结果。例子说明行内方向比例保留了，而原来的总量差异被去掉了，不是某个真实数据集的结果。
【Amy建议】处理文本向量时，这类变换可能有用；若每行的大小本身代表重要信息，就要先考虑丢掉规模差异是否符合任务。不要仅因名字里含“normalize”就把它当成所有表格数据的默认清洗步骤。官方把该估计器描述为无状态，但仍建议使用fit_transform完成参数校验。
官方来源：
https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.Normalizer.html