A. 经过L2范数归一化，特征列的范数变成1：这是L2范数归一化的一个重要特性。L2范数归一化会将特征向量除以其L2范数，使得特征列的范数变为1。B. L2范数就是一个特征列所有值的平方和再算出平方根：这是L2范数的计算方式。L2范数是将向量中各个元素的平方和求平方根得到的值。C. L2范数又称为欧几里得范数：这是L2范数的另一个常用名称。L2范数衡量的是向量元素的欧几里得距离。D. 缩放后的标准差的平方为1：这个描述是不正确的。L2范数归一化不会直接影响标准差。L2范数归一化是通过将向量的每个元素除以L2范数，使得范数变为1，而不是将标准差变为1。因此，正确答案是D，缩放后的标准差的平方不一定为1。

正确答案是：D: 缩放后的标准差的平方为1。

**专业分析：**

L2归一化方法，也称为欧几里得归一化，是一种常见的数据预处理方法，主要用于将数据特征缩放到一个统一的尺度上。具体来说，它将每个特征向量除以其L2范数，使得归一化后的特征向量的L2范数为1。

以下是对各个选项的具体分析：

A: 经过L2范数归一化，特征列的范数变成1。
- 这个描述是正确的。L2归一化的目标就是让特征向量的L2范数为1。

B: L2范数就是一个特征列所有值的平方和再算出平方根。
- 这个描述也是正确的。L2范数的定义就是特征列所有值的平方和再开平方根。

C: L2范数又称为欧几里得范数。
- 这个描述正确。L2范数在数学上也被称为欧几里得范数。

D: 缩放后的标准差的平方为1。
- 这个描述是不正确的。L2归一化并不保证缩放后的数据的标准差的平方为1。L2归一化只是保证特征向量的L2范数为1，而标准差的平方（即方差）并不一定是1。

因此，选项D是不正确的。