数据归一化：两种常用的归一化方法

数据归一化：不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据归一化处理，以解决数据指标之间的可比性。原始数据经过数据归一化处理后，各指标处于同一数量级，适合进行综合对比评价。两种常用的归一化方法如下：

一、Min-Max标准化（Min-Max Normalization）

原始数据的线性变换，使结果值映射到[0 - 1]之间。转换函数如下：

$$x^{\ast }=\frac{x-min}{max-min}$$

其中，$max$为样本数据的最大值，$min$为样本数据的最小值。这种方法的缺陷就是当有新数据加入时，可能导致$max$和$min$的变化，需要重新定义；

二、Z-score标准化方法

这种方法给予原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。经过处理的数据符合标准正态分布，即均值为0，标准差为1，转化函数为：

$$x^{\ast }=\frac{x-u}{\sigma }$$
其中$u$为所有样本数据的均值，$\sigma$为所有样本数据的标准差。

参考文献