本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 数据科学配方步骤
<a name="recipe-actions.data-science"></a>

使用这些配方步骤可从不同的角度对数据进行制表和汇总，或者执行高级转换。

**Topics**
+ [BINARIZATION](recipe-actions.BINARIZATION.md)
+ [BUCKETIZATION](recipe-actions.BUCKETIZATION.md)
+ [CATEGORICAL\$1MAPPING](recipe-actions.CATEGORICAL_MAPPING.md)
+ [ONE\$1HOT\$1ENCODING](recipe-actions.ONE_HOT_ENCODING.md)
+ [SCALE](#recipe-actions.SCALE)
+ [SKEWNESS](recipe-actions.SKEWNESS.md)
+ [TOKENIZATION](recipe-actions.TOKENIZATION.md)

## SCALE
<a name="recipe-actions.SCALE"></a>

缩放或标准化数值列中的数据范围。

**参数**
+ `sourceColumn`：现有列的名称。
+ `strategy`：要应用于列值的操作：
  + `MIN_MAX`：将值重新缩放到 [0,1] 的范围内
  + `SCALE_BETWEEN`：将值重新缩放到 2 个指定值的范围内。
  +  `MEAN_NORMALIZATION`：在 [-1, 1] 的范围内重新缩放数据，使其平均值（μ）为 0，标准差（σ）为 1
  +  `Z_SCORE`：线性缩放数据值，使其平均值（μ）为 0，标准差（σ）为 1。最适合处理异常值。
+ `targetColumn`：要包含结果的列的名称。

**Example 示例**  
  

```
{
    "Action": {
        "Operation": "NORMALIZATION",
        "Parameters": {
            "sourceColumn": "all_votes",
            "strategy": "MIN_MAX",
            "targetColumn": "all_votes_normalized"
        }
    }
}
```