数据标准化

1. 最大最小标准化

新数据 = （原始值 - 最小值）/ (最大值 = 最小值)

min-max标准化方法是对原始数据进行线性变换。设minA和maxA分别为属性A的最小值和最大值，将A的一个原始值x通过min-max标准化映射成在区间[o,1]中的值×'

2.Z-score标准化

新数据 =  （原始数据 - 均值）/标准差

1.求出各变量(指标)的算术平均值(数学期望)xi和标准差si ;
⒉.进行标准化处理:zij= (xij - xi) /si
其中:zij为标准化后的变量值;xij为实际变量值。
3.将逆指标前的正负号对调。
标准化后的变量值围绕0上下波动，大于O说明高于平均水平，小于0说明低于平均水平。
方法3:比例法(归一化方法)
注意该方法是针对全部数据为正值的序列。

3. 将数据归一到任意区间范围

（1）首先找到原本样本数据X的最小值Min及最大值Max

（2）计算系数：k=（b-a)/(Max-Min)

（3）得到归一化到[a,b]区间的数据：Y=a+k(X-Min) 或者 Y=b+k(X-Max)

将数据归一化到区间[1, 1000]的代码实现如下：

# python 代码实现, value 是list
k = 1000/(max(value)-min(value))
transform_value=[k*(x-min(value)) for x in value]

将数据归一化到任意区间[a, b]的方法_欧阳面条的博客-CSDN博客_区间归一化

excel里面生成随机数函数：“=RANDBETWEEN()”的公式：

参考

百度安全验证