数据标准化与Python实现

本文介绍了数据标准化的六种方法:Min-Max标准化、Z-Score标准化、小数定标标准化、均值归一化、向量归一化和指数转换,并提供了Python代码实现这些标准化过程。
摘要由CSDN通过智能技术生成

一、原理

        数据标准化(Normalization):将数据按照一定比例进行缩放,使其落入到一个特定的小区间。

数据标准化的类别:

  1. Min-Max标准化
  2. Z-Score标准化(Standard Score,标准分数)
  3. 小数定标(Decimal scaling)标准化
  4. 均值归一化
  5. 向量归一化
  6. 指数转换

1、Min-Max标准化

        Min-Max标准化,指对原始数据进行线性变换,将值映射到[0,1]之间。

公式:x^{'} = \frac{x-x_{min}}{x_{max}-x_{min}}

式中,x为原始数据的数据,x_{min}为原始数据的最小值,x_{max}为原始数据的最大值。

2、Z-Score标准化

        又称为Standard Score(标准分数),指基于原始数据的均值(mean)和标准差(standard deviation)来进行数据的标准化。

公式:x^{'} = \frac{x-\mu }{\sigma }

式中,x为原始数据的数据,\mu为原始数据的均值,

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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