MaxAbsScaler, maxabs_scale()은 데이터를 중앙에 맞추지 않기 때문에 희소 행렬을 사용할 수 있습니다.

>>> from scipy import sparse
>>> X_train_sparse = sparse.csr_matrix(X_train)
>>> X_train_maxabs = mas.fit_transform(X_train_sparse)

RobustScaler는 fit() 메서드에 희소 행렬을 사용할 수 없지만 transform() 메서드에서 변환은 가능합니다.

>>> X_train_robust = rbs.transform(X_train_sparse)

StandardScaler는 with_mean=False로 지정하면 희소 행렬을 사용할 수 있습니다.

마지막으로 Normalizer 클래스와 normalize() 함수는 특성이 아니라 샘플별로 정규화를 수행합니다. 또한, 희소 행렬도 처리할 수 있습니다. 기본적으로 각 샘플의 L 2 노름이 1이 되도록 정규화합니다.

>>> from sklearn.preprocessing import Normalizer
>>> nrm = Normalizer()
>>> X_train_l2 = nrm.fit_transform(X_train)