1. StandardScaler 做什么？
对向量特征的每个维度 (x) 做标准化：
- 先减去均值：(x - \mu)（可选）
- 再除以标准差：((x - \mu) / \sigma)（可选）
在 Flink ML 里，通过两个开关控制：
withMean：是否减均值（默认 false）withStd：是否除以标准差（默认 true）
2. 输入列与输出列
输入列（Input Columns）
| 参数名 | 类型 | 默认值 | 说明 |
|---|---|---|---|
inputCol | Vector | "input" | 待标准化的特征向量 |
输出列（Output Columns）
| 参数名 | 类型 | 默认值 | 说明 |
|---|---|---|---|
outputCol | Vector | "output" | 标准化后的向量 |
3. 参数详解（Parameters）
| Key | 默认值 | 类型 | 说明 |
|---|---|---|---|
inputCol | "input" | String | 输入列名 |
outputCol | "output" | String | 输出列名 |
withMean | false | Boolean | 是否先减去均值（中心化） |
withStd | true | Boolean | 是否按标准差缩放到单位方差 |
withMean 什么时候开？
- 你希望特征以 0 为中心、并且数据不是稀疏 one-hot/高维稀疏向量：可以开
- 如果你的特征是稀疏向量（例如 OneHotEncoder 输出），一般不建议开（中心化会破坏稀疏性、带来不必要开销）
4. Java 示例解读（fit + transform）
标准用法永远是两步：
1）在训练数据上fit()学到每个维度的统计量（均值、方差/标准差）
2）用同一个StandardScalerModel对训练/预测数据transform()，保证线上线下一致
你给的示例在同一份 inputTable 上 fit + transform，演示效果更直观。
importorg.apache.flink.ml.feature.standardscaler.StandardScaler;importorg.apache.flink.ml.feature.standardscaler.StandardScalerModel;importorg.apache.flink.ml.linalg.DenseVector;importorg.apache.flink.ml.linalg.Vectors;importorg.apache.flink.streaming.api.datastream.DataStream;importorg.apache.flink.streaming.api.environment.StreamExecutionEnvironment;importorg.apache.flink.table.api.Table;importorg.apache.flink.table.api.bridge.java.StreamTableEnvironment;importorg.apache.flink.types.Row;importorg.apache.flink.util.CloseableIterator;publicclassStandardScalerExample{publicstaticvoidmain(String[]args){StreamExecutionEnvironmentenv=StreamExecutionEnvironment.getExecutionEnvironment();StreamTableEnvironmenttEnv=StreamTableEnvironment.create(env);DataStream<Row>inputStream=env.fromElements(Row.of(Vectors.dense(-2.5,9,1)),Row.of(Vectors.dense(1.4,-5,1)),Row.of(Vectors.dense(2,-1,-2)));TableinputTable=tEnv.fromDataStream(inputStream).as("input");StandardScalerstandardScaler=newStandardScaler();// 默认 withMean=false, withStd=trueStandardScalerModelmodel=standardScaler.fit(inputTable);TableoutputTable=model.transform(inputTable)[0];for(CloseableIterator<Row>it=outputTable.execute().collect();it.hasNext();){Rowrow=it.next();DenseVectorinputValue=(DenseVector)row.getField(standardScaler.getInputCol());DenseVectoroutputValue=(DenseVector)row.getField(standardScaler.getOutputCol());System.out.printf("Input Value: %s\tOutput Value: %s\n",inputValue,outputValue);}}}这段代码做了什么：
fit()：扫描 inputTable，计算每个维度的标准差（以及如果 withMean=true 则计算均值）transform()：对每条向量逐维标准化，新增输出列output
5. 实战建议
1）StandardScaler 比 MinMaxScaler 更抗异常值一点，但也不是“免疫”
StandardScaler用均值/方差，极端值仍会影响统计量，只是通常比 min/max 更稳定。
如果异常值特别多，建议先做截断/清洗，再标准化。
2）不要在预测数据上重新 fit
必须做到：
- 训练阶段：fit(train)
- 预测阶段：transform(predict) 用同一个 model
否则线上每批数据的缩放尺度都变，模型输出会漂。
3）常见组合
- VectorAssembler → StandardScaler → KMeans/KNN/LinearSVC/LogisticRegression
- Bucketizer/OneHotEncoder 这种离散稀疏特征链路，一般不需要 withMean
