数据挖掘实验（一）数据规范化【最小-最大规范化、零-均值规范化、小数定标规范化】

一、数据规范化的原理
数据规范化处理是数据挖掘的一项基础工作。不同的属性变量往往具有不同的取值范围，数值间的差别可能很大，不进行处理可能会影响到数据分析的结果。为了消除指标之间由于取值范围带来的差异，需要进行标准化处理。将数据按照比例进行缩放，使之落入一个特定的区域，便于进行综合分析。

（1）最小-最大规范化
假定min和max分别为属性A的最小值和最大值，则通过下面公式将属性A上的值v映射到区间[new_min, new_max]中的v’：

v′=v−minmax−min(new_max−new_min)+new_min
（2）零-均值规范化
将属性A的值根据其平均值mean和标准差std进行规范化：

v′=v−meanstd
（3）小数定标规范化
通过移动属性A的小数点位置进行规范化，小数点的移动依赖于A的最大绝对值：

v′=v10j
其中，j是使 Max(| v’ |)<1的最小整数。

二、Matlab代码实现
1.最小-最大规范化
Matlab的代码可以写简单一点，不用像C++那样写两个for循环。

mi=min(A)默认求矩阵A每列的最小值，返回一个行向量mi。
repmat(mi,n,1)重复mi，重复行n次，重复列1次，从而形成与A相同大小的矩阵。
./可直接将两个矩阵所有相同位置的元素相除（不用写两个for循环）。

clear;clc;

%% 数据存入A
A=[78 521 602 2863
144 -600 -521 2245
95 -457 468 -1283
69 596 695 1054
190 527 691 2051
101 403 470 2487
146 413 435 2571];

fprintf("原数据："); A

new=input("请输入需要映射到的新区间。输入格式示例：[0,1]\n");
new_mi=new(1);
new_mx=new(2);

[n,m]=size(A);
mi=min(A); % 求出A每列的最小值，形成行向量mi（不用for循环）
mx=max(A); % 求出A每列的最大值，形成行向量mx
mi=repmat(mi,n,1); % 将矩阵mi重复，行n次，列1次，调整到与A相同大小（之后就不用for循环了）
mx=repmat(mx,n,1); % 将矩阵mx重复，行n次，列1次，调整到与A相同大小
B=(A-mi)./(mx-mi)*(new_mx-new_mi)+new_mi; % ./的含义是将两个矩阵所有相同位置的元素相除

fprintf("\n经过最小最大规范化后："); B

Matlab也有现成的mapminmax()函数直接实现最小-最大规范化：

B1=mapminmax(A’)’; % 每列规范化到[-1,1]
B2=mapminmax(A’,0,1)’; % 每列规范化到[0,1]
解释一下：

mapminmax()函数，默认按行最小最大规范化到[-1,1]。
由于默认是按行，如果要按列规范化，传参时需将A进行转置，将mapminmax()函数返回的结果再转置一下即可。
B2=mapminmax(A’,0,1)’，后面加上两个参数表示新区间的左右端点。
代码运行结果
输入的新区间销售范围为[0,1]：

原数据：
A =

      78         521         602        2863
     144        -600        -521        2245
      95        -457         468       -1283
      69         596         695        1054
     190         527         691        2051
     101         403         470        2487
     146         413         435        2571

请输入需要映射到的新区间。输入格式示例：[0,1]
[0,1]

经过最小最大规范化后：
B =

0.0744    0.9373    0.9235    1.0000
0.6198         0         0    0.8509
0.2149    0.1196    0.8133         0
     0    1.0000    1.0000    0.5637
1.0000    0.9423    0.9967    0.8041
0.2645    0.8386    0.8150    0.9093
0.6364    0.8470    0.7862    0.9296

2.零-均值规范化
clear;clc;

%% 数据存入A
A=[78 521 602 2863
144 -600 -521 2245
95 -457 468 -1283
69 596 695 1054
190 527 691 2051
101 403 470 2487
146 413 435 2571];

A_mean=mean(A); % mean求的是每列的均值
A_std=std(A); % std求的是每列的标准差
[n,m]=size(A);
B=(A-repmat(A_mean,n,1))./repmat(A_std,n,1);

fprintf(“原数据：”); A
fprintf(“经过零均值规范化后：”); B
Matlab也有现成的zscore()函数直接实现零-均值规范化：

[B,A_mean,A_std]=zscore(A); % 返回按列进行零均值规范化后的矩阵、每列均值、每列标准差
B=zscore(A); % 只返回按列进行零均值规范化后的矩阵
代码运行结果
原数据：
A =

      78         521         602        2863
     144        -600        -521        2245
      95        -457         468       -1283
      69         596         695        1054
     190         527         691        2051
     101         403         470        2487
     146         413         435        2571

经过零均值规范化后：
B =

-0.9054 0.6359 0.4645 0.7981
0.6047 -1.5877 -2.1932 0.3694
-0.5164 -1.3040 0.1474 -2.0783
-1.1113 0.7846 0.6846 -0.4569
1.6571 0.6478 0.6752 0.2348
-0.3791 0.4018 0.1521 0.5373
0.6504 0.4216 0.0693 0.5956
3.小数定标规范化
clear;clc;

A=[78 521 602 2863
144 -600 -521 2245
95 -457 468 -1283
69 596 695 1054
190 527 691 2051
101 403 470 2487
146 413 435 2571];

mx=max(abs(A)); % 求每列绝对值最大的数mx
len=floor(log10(mx))+1; % 求mx的位数len
B=A./(10.^len); % 将A中每个元素除以10^len

fprintf(“原数据：”); A
fprintf(“经过小数定标规范化后：”); B
代码运行结果
原数据：
A =

      78         521         602        2863
     144        -600        -521        2245
      95        -457         468       -1283
      69         596         695        1054
     190         527         691        2051
     101         403         470        2487
     146         413         435        2571

经过小数定标规范化后：
B =

0.0780    0.5210    0.6020    0.2863
0.1440   -0.6000   -0.5210    0.2245
0.0950   -0.4570    0.4680   -0.1283
0.0690    0.5960    0.6950    0.1054
0.1900    0.5270    0.6910    0.2051
0.1010    0.4030    0.4700    0.2487
0.1460    0.4130    0.4350    0.2571