数据标准化（数据预处理）

（一）在不同的问题中，标准化的意义不同：
（1）在回归预测中，标准化是为了让特征值有均等的权重；
（2）在训练神经网络的过程中，通过将数据标准化，能够加速权重参数的收敛；
（3）主成分分析中，需要对数据进行标准化处理；默认指标间权重相等，不考虑指标间差异和相互影响。

（二）数据标准化最常用的是这两种：极差标准化法、Z-score标准化法：
1.min-max标准化（归一化）
也叫极差标准化法，是消除变量量纲和变异范围影响最简单的方法。
具体方法：找出每个属性的最小值和最大值，将其一个原始值x通过min-max标准化映射成在区间[0,1]中的值x’。
公式：X’ = (X-Xmin) / (Xmax-Xmin)
无论原始数据是正值还是负值，经过处理后，该变量各个观察值的数值变化范围都满足0≤X’≤1，并且正指标、逆指标均可转化为正向指标，作用方向一致。
代码：

def Normalization(data): 
    data = [(float(i)-min(x))/float(max(x)-min(x)) for i in data]
    return data

2.Z-score标准化
当遇到某个指标的最大值和最小值未知的情况，或有超出取值范围的离群数值时，上面的方法就不再适用了，可以采用另一种数据标准化最常用的方法，即Z-score标准化，也叫标准差标准化法。
它基于原始数据的均值（mean）和标准差（standarddeviation）进行数据的标准化，将A的原始值x使用z-score标准化到x’。
新数据=（原数据- 均值）/ 标准差
代码:

def Z_Score(data):
    lenth = len(data)
    total = sum(data)
    ave = float(total)/lenth
    tempsum = sum([pow(data[i] - ave,2) for i in range(lenth)])
    tempsum = pow(float(tempsum)/lenth,0.5)
    for i in range(lenth):
        data[i] = (data[i] - ave)/tempsum
    return date

注:估算Z-Score需要总体的平均值与方差，但是这一值在真实的分析与挖掘中很难得到，大多数情况下是用样本的均值与标准差替代。
（三）标准化、归一化的区别：
归一化是标准化的一种，它的缩放仅与最大、最小值的差别有关；输出范围在0—1间；
标准化缩放和每个值都有关系，通过方差体现出来。当数据更集中时，数据标准化后更分散；数据分布很广时，数据标准化后会更集中。输出范围是一个特定的区间，在-∞—+∞。
如果对输出结果范围有要求，用归一化；如果数据较稳定，不存在极端的最大最小值，用归一化；如果数据有异常值和较多噪音，用标准化，可间接通过中心化避免异常值、极端值的影响。