是的，在使用 VarianceThreshold 之前必须进行标准化。这对于使所有功能达到相同的规模是必要的。否则，方差估计可能会在较高价值特征和较低价值特征之间产生误导。默认情况下，它不包含在函数中。必须使用 scikit-learn 中提供的 MinMaxScaler 或 StandardScaler 来完成。

特征必须具有相同的单位，因此必须进行缩放（例如，使用 MinMaxScaler 将范围缩小到 [0,1]）。

例如使用 StandardScaler 进行标准化，这意味着移除均值并缩放到单位方差，这是错误的，因为当然每个特征都会有方差 1。

我创建了一个问题来要求澄清文档。这是回应：

规范化和非规范化数据在 VarianceThreshold 中有有效的用例：

• 如果您只想使用 VarianceThreshold 来删除常量特征，则无论数据是否标准化，threshold=0 都有效。
• 如果您希望阈值对特征具有相同的含义，那么规范化是有意义的。

文档字符串中的示例展示了用例 1...

来源：https ://github.com/scikit-learn/scikit-learn/issues/23394

我相信第二点是非零阈值只有在特征已经被规范化（因此它们具有相同的比例）时才真正有意义，如prashanth所述