数据处理总结

最新推荐文章于 2022-06-24 17:54:50 发布
最新推荐文章于 2022-06-24 17:54:50 发布
阅读量224 收藏
点赞数
分类专栏： 机器学习笔记 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_50031809/article/details/120098984
版权

消除量纲的方法

归一化处理

1.正向指标：越大越好，常见于熵权法
在这里插入图片描述
2.负向指标：越小越好，常见于熵权法
在这里插入图片描述
3.常见于Topsis方法

在这里插入图片描述

标准化处理

标准化后的数据均值为0，方差为1
在这里插入图片描述

题外话：

熵权法：算出指标的权重后乘标准化或归一化后的样本数据可以得到综合评价得分
topsis方法：在这里插入图片描述

深海的幽灵
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习中特征的处理及选择
weixin_34252090的博客
04-26 929
基础概念 特征工程是通过对原始数据的处理和加工，将原始数据属性通过处理转换为数据特征的过程，属性是数据本身具有的维度，特征是数据中所呈现出来的某一种重要的特性，通常是通过属性的计算，组合或转换得到的。比如主成分分析就是将大量的数据属性转换为少数几个特征的过程。某种程度而言，好的数据以及特征往往是一个性能优秀模型的基础。 既然叫特征工程，自然涵盖了很多内容，而其中涉及到的比较重要的部分是特征的处理...
嫡权法赋权法_1-熵值法赋权
weixin_31178795的博客
12-23 1580
一、基本原理在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。根据熵的特性，可以通过计算熵值来判断一个事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响(权重)越大，其熵值越小。二、熵值法步骤1. 选取n个国家，m个指标，则为第i个国家的第j个指标的数值(i=1, 2…,n;j...
常用的js验证和数据处理总结
01-19
前言 在开发web项目的时候，难免遇到各种对网页数据的处理，比如对用户在表单中输入的电话号码、邮箱、金额、身份证号、密码长度和复杂程度等等的验证，以及对后台返回 数据的格式化比如金额，返回的值为null，还有对指定日期之前或之后某一天或某一月的计算。 下面是给大家总结的一些在工作中常用到的js，有需要的可以参考学习。 /** * 验证密码复杂度（必须包含数字字母） * @param str * @returns true:满足规则，false:不满足 */ function validateStr(str){ var reg1 = /^(([0-9]{1,})([a-z]{1,}
模拟数据处理总结结果
07-06
这是分析的资源数据类别针对在信号检测中经常存在的噪声污染问题，本文利用小波变换进行降噪处理。分析了小波变换降噪的理论依据、降噪处理程序以及阀值的选择，并在Matlab软件中进行了信号降噪的模拟仿真实验。分析结果证明了小波变换良好的降噪效果。
试验设计与数据处理总结
06-19
试验设计与数据处理的部分总结，并不完整，不过可以获得部分内容提要
利用数据处理总结经验公式.pdf
08-15
#资源达人分享计划#
大数据处理与分析---课程总结
NP_hard的博客
01-18 2346
文章目录实验大作业 本学期的大数据处理与分析课程相当精品，老师不仅给我们提供了精美详细的电子版板书（纯手写），课堂上也对板书的内容进行了精彩的公式推导，并且举了一些生动的例子以方便我们直观理解。 课程内容相当多，基本涵盖了大数据背景下的存储容灾算法、分布式数据一致性算法、分布式机器学习算法、大数据统计分析算法等多种算法，是一个相当合适的大数据算法入门课程 本次课程的全部实验以及大作业都放到GitHub上了，需要的学弟学妹们可以自取，A+水平 并且本专栏里也有对每个实验的博客讲解，可以参考 实验 实验 大作
熵值法求权重
亦是远方的小地方
06-24 1万+
数学建模；熵值法；求权重；Python代码；原理分析；数据集
数据处理知识总结
frankcreen的专栏
09-02 361
1.如何对python中的list中所有元素进行类型转换？ # helper function to type cast list 使用map操作 def cast_list(test_list, data_type): return list(map(data_type, test_list)) # helper function to type cast Matrix 使用lambda函数 def cast_matrix(test_matrix, data_type...
熵值法计算权重有异常值_【方法笔记5】指标体系中的数据处理方法：客观赋权的熵值法...
weixin_39742471的博客
12-24 2698
（一）首先在确定权重之前对数据进行无量纲的标准化处理：对于正向指标，有对于逆向指标（指标值越小越好），有（二）指标权重的确定excel操作：（面板数据格式数据直接用即可）（1）标准化处理，汇报标准化矩阵结果（一般汇报xij-min/max-min即可，不用*99+1）（2）汇报pij转化矩阵结果：①(xij-min)/(max-min)*99+1得各数值标准化数据后，②对每个变量所有样本和年份数据...
大数据处理学期总结
f54268589的博客
06-15 706
大数据处理学期总结
熵值法在matlab上的实现
热门推荐
03-05 4万+
1.熵值法原理 熵值法是一种客观赋权法,其根据各项指标观测值所提供的信息的大小来确定指标权重。设有m个待评方案，n项评价指标，形成原始指标数据矩阵X=(xij)m×n，对于某项指标xj，指标值xij的差距越大，则该指标在综合评价中所起的作用越大；如果某项指标的指标值全部相等，则该指标在综合评价中不起作用。 在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小...
数据处理流程总结
PassionZheng的博客
01-05 1万+
一.数据分析 1.什么是数据分析？ 2.数据分析的分类 3.数据分析的三大作用 现状分析、原因分析、预测分析。 4.数据分析的流程 1.问题的定义：明确目的和思路（具有数据思维） 问正确的问题往往是成功的一半。——邱老师 首先你需要确定去分析的问题是什么？你想得出哪些结论？即，先明确分析目的：问题的定义可能需要你去了解业务的核心知识，并从中获得一些可以帮助你进行分析的经验。 然后梳理分析思路...
数据处理方式总结
qq_36741161的博客
07-26 5088
本周在工作中处理了很多数据，比如查找联系方式相同的客户、查找宁波地区客户询价情况、多个库联系方式相同的关联起来等，在工作中学到很多数据处理的小技巧，总结一下，之后学到的也会补充进来~ 我总结了处理数据的四个点： SQL处理 脚本处理（python/java） excel处理 VSCode文本处理 SQL处理 SQL大家都会写，在这里介绍几个sql的函数和特性。 1.group_concat()函数 将group by产生的同一个分组中的值连接起来，返回一个字符串结果。语法：group_concat( [
3.2 矩阵乘积的秩
jhshanvip的博客
03-24 3万+
矩阵乘积的秩 矩阵乘积 ABABAB 的秩和矩阵 A,BA,BA,B 的秩有什么关系呢？ 首先直观上说明。线性映射 Ax=yA\mathbf{x}=\mathbf{y}Ax=y ，当矩阵 AAA 是列满秩矩阵时，即无关组时，映射是单射，所以定义域内一个向量 x\mathbf{x}x 对应值域内一个向量 y\mathbf{y}y ，值域内一个向量 y\mathbf{y}y 也对应定义域内一个向量 x...
数据处理工作之总结
Growing_way的博客
08-24 1122
描述 最近分配了一项任务，处理一批量级为3800w的数据 目的：看an调用线上推荐服务，推荐list中，an对应的答案coman排序位置（大样本） 操作： 在表1中拿到ori_an 与 coman的对应关系，但开始对应关系是ori_an 与 compn 将compn转换成coman，调用一个外部厂商服务 ori_an字符串处理成an，调用线上检索推荐服务，得到推荐列表 根据an与coman...
Python数据处理实验总结
最新发布
03-14
作为一个 AI，我可以告诉你，Python 是一种非常流行的数据处理语言，它可以帮助你处理各种类型的数据，包括文本、图像、音频等等。在数据处理实验中，Python 可以帮助你进行数据清洗、数据分析、数据可视化等等。如果你需要更具体的帮助，可以参考 Python 的官方文档或者各种在线教程。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值