转载自:http://blog.163.com/huai_jing@126/blog/static/171861983201321074124426/
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。这样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。
1、0-1标准化(0-1 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:
其中max为样本数据的最大值,min为样本数据的最小值。这种方法有一个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。
2、Z-score 标准化(zero-mean normalization)
也叫标准差标准化,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,其转化函数为:
其中μ为所有样本数据的均值,σ为所有样本数据的标准差。
如果利用3σ进行规一化,落在 [-1 , 1] 之间的概率是99.7%,在实际应用中我们将落在[-1 , 1] 区间之外的值均设成-1和1,以保证所有的数值均落在[-1 , 1] 范围之内。matlab代码示例如下:
d = rand ( 1 , 100000 );% gaussian normlization
t = ( d - mean ( d ))/( 3 * std ( d ));
% len0 = length ( find ( t > 3 * std ( t ))) + length ( find ( t <- 3 * std ( t )));
% len = length ( d );
% ratio = len0 / len ; % close to 0
t(t>1)=1;
t(t<-1)=-1;
注:是否要进行标准化,要根据具体实验定。如果特征非常稀疏,并且有大量的0(现实应用中很多特征都具有这个特点),Z-score 标准化的过程几乎就是一个除0的过程,结果不可预料。