Mahout中的特征缩放方法包括以下几种：

标准化（Normalization）：将数据按特定比例缩放，使其落入特定区间。常见的标准化方法包括Min-Max标准化和Z-Score标准化。

正则化（Normalization）：将数据按行或列进行缩放，使其具有相同的范数。常见的正则化方法包括L1正则化和L2正则化。

均值移除（Mean Removal）：将数据减去均值，以消除数据之间的偏差。

独热编码（One-Hot Encoding）：将分类变量转换为二进制变量，以便在模型中使用。

这些特征缩放方法可以帮助提高模型的性能，并使得数据更易于处理和分析。Mahout提供了多种特征缩放方法的实现，以满足不同任务的需求。