数据预处理中的数据正向化，标准化和归一化

数据的预处理是一个重要的步骤，而正向化、标准化和归一化是常用的预处理方法。

1. 数据正向化

定义： 数据正向化是将数据转化为对模型有利的正面方向。这通常在评价体系中使用，比如当某一指标数值越大表示越好时，称之为“正向指标”；而当数值越小表示越好时，称之为“反向指标”。为了统一处理，反向指标需要进行正向化。

方法： 一般来说，反向指标的正向化可以通过以下方式实现

方法： 一般来说，反向指标的正向化可以通过以下方式实现：
𝑌正向化=最大值+最小值−y

y是反向指标的原始值。

应用场景： 当你的模型需要处理多个不同方向的指标时，正向化可以统一指标的方向，使得模型更好地进行比较和优化。

2. 数据标准化

定义： 数据标准化是指将不同单位或量级的数据转换到一个统一的尺度，通常是通过调整数据的均值为0，标准差为1的标准正态分布。

方法： 标准化通常采用以下公式：

X是原始数据，u是数据的均值，σ是数据的标准差。

应用场景：<