資料的標準化和標準化方法

資料的標準化（normalization）是將資料按比例縮放，使之落入乙個小的特定區間。在某些比較和評價的指標處理中經常會用到，去除資料的單位限制，將其轉化為無量綱的純數值，便於不同單位或量綱的指標能夠進行比較和加權。

其中最典型的就是資料的歸一化處理，即將資料統一對映到[0, 1]區間上，常見的資料歸一化的方法有：

1、min-max標準化（min-max normalization）

min-max標準化也叫離差標準化，是對原始資料的線性變換，使結果落到[0,1]區間，轉換函式如下：

其中，max為樣本資料的最大值，min為樣本資料的最小值。這種方法有乙個缺陷就是當有新資料加入時，可能導致max和min的變化，需要重新計算定義。

2、log函式轉換

通過以10為底的log函式轉換的方法同樣可以實現歸一化，具體方法如下：

看了下網上很多介紹都是x*= log10 (x)，其實是有問題的，這個結果並非一定落在[0,1]區間上，應該還要除以log10 (max)，max為樣本資料最大值，並且所有的資料都要大於等於1.

3、atan函式轉換

用反正切函式也可以實現資料的歸一化：

使用這個方法需要注意的是如果想對映到區間為[0,1]，則資料都應該大於等於0，小於0的資料將被對映到[-1, 0]區間上。

而並非所有資料標準化的結果都對映到[0,1]區間上，其中最長久的標準化方法就是z標準化，也是spss中最為常用的標準化方法。

4、z-score標準化（zero-mean normalization）

也叫標準差標準化，經過處理的資料符合標準正態分佈，即均值為0，標準差為1，其轉化函式為：

其中μ為所有樣本資料的均值，σ為所有樣本資料的標準差。

資料的標準化和標準化方法

資料的標準化 normalization 是將資料按比例縮放，使之落入乙個小的特定區間。在某些比較和評價的指標處理中經常會用到，去除資料的單位限制，將其轉化為無量綱的純數值，便於不同單位或量綱的指標能夠進行比較和加權。其中最典型的就是資料的歸一化處理，即將資料統一對映到 0,1 區間上，常見的資料歸...

資料標準化

從廣義上來講，資料標準化的過程可以看作是業務系統內部或業務系統之間，乃至整個資料治理系統中的乙個 語言 統一的過程。只有語言統一，才能讓同一業務系統或者不同業務系統之間有了對話 呼叫 通訊的可能，從而保證使用的都是特定的某乙個方言。同樣，資料標準化的過程反映程式及系統設計或架構級別時，就可以看作連線...

資料標準化

特徵縮放 feature scaling 1 也稱為資料的標準化 normalization 是將資料按比例縮放，使之落入乙個特定區間。不同資料往往具有不同的量綱，會影響到資料分析的結果，為了消除資料之間的量綱影響，需要進行資料標準化處理，以解決資料指標之間的可比性。原始資料經過資料標準化處理後，各...