数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，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。
其中最典型的就是数据的归一化处理，即将数据统一映射到[0,1]区间上，常见的数据归一化的方法有：
min-max标准化(Min-max normalization)
也叫离差标准化，是对原始数据的线性变换，使结果落到[0,1]区间，转换函数如下：
数据的标准化通过缩放数据到特定区间，如[0,1]，便于比较和加权。常见的方法包括min-max标准化、log函数、atan函数和z-score标准化。min-max存在新数据导致区间变化的问题，log转换需除以log10(max)确保在[0,1]区间，atan适用于非负数据，z-score标准化则使数据均值为0，标准差为1。"
107986286,5122595,在Ubuntu 18.04上部署Minio对象存储服务器,"['Linux', 'Minio', '存储', '安全', '云存储']
最低0.47元/天 解锁文章
扫一扫
3555
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
