Este é um componante que dimensiona atributos usando estatísticas robustas para outliers. Este Scaler remove a mediana e dimensiona os dados de acordo com o intervalo quantil (o padrão é Amplitude interquartil). Amplitude interquartil é o intervalo entre o 1º quartil (25º quantil) e o 3º quartil (75º quantil). Faz uso da implementação do Scikit-learn. Scikit-learn é uma biblioteca open source de machine learning que suporta apredizado supervisionado e não supervisionado. Também provê várias ferramentas para montagem de modelo, pré-processamento de dados, seleção e avaliação de modelos, e muitos outros utilitários.

Espera-se como entrada para o componente uma tabela com colunas que representam valores numéricos, categóricos ou de data. A tabela deve ser de um dos seguintes tipos: Comma-separated values (.csv) ou Excel (.xls, .xlsx).

A seguir são listados todos os parâmetros utilizados pelo componente:

• Atributo alvo: feature.
  Esse valor será utilizado para garantir que o alvo não seja removido.
• Centralização: boolean, {True, False}, padrão: True.
  Centralizar os dados antes de dimensionar. Ocorre exceção quando usado com matrizes esparsas.
• Dimensionamento: boolean, {True, False}, padrão: True.
  Dimensionar os dados para um intervalo interquartil.

O retorno durante a experimentação ajuda o usuário a analisar tanto métricas distintas de forma visual, como a distribuição dos dados e os dados brutos ao final da execução. Sendo assim, é possível visualizar diversos retornos para este componente como os listados a seguir:

1. Tabela dos dados
   Apresenta visualização dos dados após o treinamento do modelo com a variável resposta e dados sobre o modelo.

Dados em uma escala distinta de acordo com os parâmetros de centralização e dimensionamento.