穩健縮放 是什麼？
Robust Scaling：穩健縮放 的完整解釋
使用中位數與四分位距進行特徵縮放的預處理方法，對離群值不敏感，適合含極端值的資料集。
穩健縮放（Robust Scaling）是機器學習資料預處理流程中的一種特徵縮放技術，設計動機源於傳統縮放方法（如 Min-Max 縮放和 Z-score 標準化）對離群值（outliers）高度敏感的問題。理解穩健縮放，需先認識它所解決的問題以及它背後的統計基礎。
傳統的 Min-Max 縮放將特徵值線性映射到 [0, 1] 區間，但最小值與最大值都可能是極端離群點，導致絕大多數正常值被壓縮到一個很窄的子區間內，損失了大量資訊差異。Z-score 標準化（零均值、單位方差）以平均數與標準差為基準，但平均數和標準差都是對離群值非常敏感的統計量：一個距離均值 10 個標準差的離群點會使整個特徵的平均數偏移、標準差膨脹，進而讓所有正常樣本的縮放結果都受到影響。
穩健縮放採用的統計量對離群值具有本質抵抗力：中位數（median）是排序後位於正中央的值，不受極端值大小影響；四分位距（IQR = 第 75 百分位數 - 第 25 百分位數）描述中段 50% 資料的散布程度，對極端值同樣不敏感。穩健縮放的公式為：縮放後的值 = (原始值 - 中位數) / IQR。透過這個公式，中位數對應的值縮放後為 0，第 25 百分位數縮放後為 -0.5，第 75 百分位數縮放後為 0.5，而離群值雖然不會被消除，但它們縮放後的數值也不會對其他正常樣本的縮放結果產生影響。
從統計穩健性（robustness）的角度看，穩健縮放對應的是高分解點（breakdown point）。平均數的分解點為 0，意思是只要有一個觀測值趨向無窮大，平均數就會失效；中位數的分解點為 0.5，意思是即使有接近 50% 的資料是離群值，中位數仍能正確反映資料的中心趨勢。這正是「穩健（robust）」一詞的統計含義。
在 scikit-learn 中，穩健縮放透過 RobustScaler 類別實現。預設情況下它使用第 25 到 75 百分位數（即 IQR），但使用者可以透過 quantile_range 參數調整分位數範圍，例如設為 (10, 90) 以獲得更寬的參考範圍。與其他縮放器相同，RobustScaler 遵循 fit-transform 模式：在訓練集上 fit（計算中位數與 IQR），再用相同的參數 transform 測試集，確保資料洩漏（data leakage）不會發生。
穩健縮放適用的場景主要有三類。第一是金融與經濟資料，交易量、股價波動率等指標常有極端異常值（如市場崩潰日的交易量是平日的數十倍）；第二是醫療健康資料，部分生理指標（如血壓、血糖）在特定患者中可能出現極端測量值；第三是感測器資料，感測器故障或干擾可能引入短暫的極大值，穩健縮放能防止這些雜訊主導特徵尺度。相對地，若資料已確認無異常值、或離群值本身具有重要的分類意義（如詐欺偵測中的異常交易），則不一定需要穩健縮放。
在 iPAS AI 應用規劃師中級考試中，穩健縮放出現在資料預處理與特徵工程相關題目。114-2-mid-2 的兩道題目同時考查了穩健縮放與其他縮放方法的比較，考生需要能在給定資料描述（如「資料含有許多離群值」）的情境下，選出最適合的縮放策略，並說明中位數與 IQR 作為縮放基準的統計意義。了解穩健縮放與標準化（StandardScaler）、歸一化（MinMaxScaler）、最大絕對值縮放（MaxAbsScaler）的差異與適用條件，是這類題目的核心考點。 強健縮放（Robust Scaling）是一種針對含有異常值（Outliers）的資料集設計的特徵縮放方法，使用資料的中位數（Median）和四分位距（IQR, Interquartile Range）代替均值和標準差進行標準化，從而降低極端值對縮放結果的影響。
標準縮放（StandardScaler）使用均值和標準差，當資料含有異常值時，這兩個統計量會被嚴重拉偏，導致大部分「正常」資料被壓縮到很窄的範圍，而異常值依然突出。Robust Scaling 的公式為：(x - median) / IQR，其中 IQR = Q3（第75百分位）- Q1（第25百分位），這兩個統計量對異常值不敏感，因為它們基於排序統計量而非算術運算。
在實際資料中，異常值極為普遍。房價資料中偶有豪宅價格；收入資料中有少數超高收入者；感測器資料中有偶發的讀值異常。若不處理，這些異常值會嚴重影響基於歐氏距離的算法（如 K-means、KNN）和線性模型（如線性迴歸、SVM），因為這些算法的損失函數對大數值很敏感。
Robust Scaling 的局限性在於縮放後的資料範圍不固定（不像 Min-Max Scaling 必然落在 [0,1]），不適合神經網路（通常需要較固定的輸入範圍）或需要有界輸入的算法。此外，它保留了資料的相對順序，但不會將資料映射到特定範圍。
Scikit-learn 的 RobustScaler 實作提供了 quantile_range 參數，允許用戶調整用於縮放的百分位範圍（預設 25-75，可調整為更寬的 10-90 以處理更多異常值）。在管道（Pipeline）設計中，RobustScaler 應在訓練集上 fit 後，再 transform 測試集，避免資料洩露。