数据标准化

数据标准化也是归一化的过程。在数据分析之前通常需要先将数据标准化（Normalization），目的是去除奇异样本数据（相对于其他输入样本特别大或特别小的样本矢量），将数据按比例缩放，使之落入一个小的特定区间。或者去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权，而且能保正程序运行时收敛加快。

如上图所示，正态分布中的各类分段方法。包括: Standard deviations, cumulative percentages, percentile equivalents, Z-scores, T-scores, standard nine, percent in stanine.(Standard score)

数据标准化常用方法有“Min-max”、“Z-score”、“Atan”和“Decimal scaling”等。

• Min-max 标准化（Min-max normalization）

适用于原始数据的取值范围已经确定的情况，缺点是当有新数据加入时，可能导致 Max 和 Min 值变化需要重新定义。设 MinA 和 MaxA 分别为属性 A 的最小值和最大值，将 A 的一个原始值 x 通过 Min-max 标准化映射成在区间【0,1】中的值，公式为：

• Z-score 标准化（Zero-score normalization）

又名标准差标准化。经过处理的数据符合标准正态分布，均值为 0，标准差为 1。设μ为所有样本数据的均值，σ为所有样本数据的标准差。公式为：

• Atan 函数转换

使用这个方法需要注意的是如果想映射的区间为[0,1]，则数据都应该大于等于 0，小于 0 的数据将被映射到[-1,0]区间上。所以通过 atan 标准化会映射在区间【-1,1】上。

• 小数定标标准化（Decimal scaling）

通过移动数据的小数点位置来进行标准化，小数点移动多少位取决于属性 A 的取值中的最大绝对值。这个方法比较容易理解。