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