对数坐标归一化_数据预处理-归一化/数据转换

有时候我们在拿到原始数据的时候，我们不能直接使用。大概场景有下面这些，我遇到的

1. 数字比较大，容易爆计算量，更不容易收敛

2. 比如房子价格这种变量，并不是正态分布，有时候不利于我们做一些和正态分布有关系的线性模型分析，

那这个时候，我们可能需要对数据做一些预处理的工作。

数据的标准化(normalization)和归一化

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。在某些比较和评价的指标处理中经常会用到，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。

目前数据标准化方法有多种，归结起来可以分为直线型方法(如极值法、标准差法)、折线型方法(如三折线法)、曲线型方法(如半正态性分布)。不同的标准化方法，对系统的评价结果会产生不同的影响，然而不幸的是，在数据标准化方法的选择上，还没有通用的法则可以遵循。

其中最典型的就是数据的归一化处理，即将数据统一映射到[0,1]区间上。

归一化的目标

1 把数变为(0，1)之间的小数

主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速，应该归到数字信号处理范畴之内。

2 把有量纲表达式变为无量纲表达式

归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为纯量。 比如，复数阻抗可以归一化书写：Z = R + jωL = R(1 + jωL/R) ，复数部分变成了纯数