数据的中心化和标准化处理

1.意义：数据中心化和标准化在回归分析中是取消由于量纲不同、自身变异或者数值相差较大所引起的误差。
注解：
单位具有实际的物理意义，而量纲则不一定。比如说焦耳，表示能量，具有实际物理意义就是单位（同时也是量纲），而很多单位的组合都不能表示确切的物理意义，比如说m·s（米乘以秒），这种就是量纲，这个的用处只是为了考察某些物理公式是否具有相同量纲从而确定其正确性。
2.原理
数据中心化:是指变量减去它的均值。
数据标准化:是指数值减去均值，再除以标准差。
目的:通过中心化和标准化处理，得到均值为0，标准差为1的服从标准正态分布的数据。
3.原因
在一些实际问题中，我们得到的样本数据都是多个维度的，即一个样本是用多个特征来表征的。很显然，这些特征的量纲和数值得量级都是不一样的，而通过标准化处理，可以使得不同的特征具有相同的尺度（Scale）。这样，在学习参数的时候，不同特征对参数的影响程度就一样了。简言之，当原始数据不同维度上的特征的尺度（单位）不一致时，需要标准化步骤对数据进行预处理。
4.示例

解释:

1. 左图表示的是原始数据
2. 中间的是中心化后的数据，可以看出就是一个平移的过程，平移后中心点是（0，0）。同时中心化后的数据对向量也容易描述，因为是以原点为基准的。
3. 右图将中心化后的数据除以标准差，得到为标准化的数据，可以看出每个维度上的尺度是一致的（红色线段的长度表示尺度），而没有处理之前的数据是不同的尺度标准。原始数据经过数据标准化处理后，各指标处于同一数量级，适合进行综合对比评价。