标准正态分布表_表达矩阵的归一化和标准化，去除极端值，异常值

最新推荐文章于 2024-07-01 14:20:03 发布

weixin_39645165

最新推荐文章于 2024-07-01 14:20:03 发布

阅读量3k

点赞数

文章标签：标准正态分布表

本文探讨RNA-seq数据处理中的归一化和标准化，解释取log和z-score对表达量的影响。归一化用于调整不同量级的表达量，标准化通过z-score实现数据标准化，降低异常值影响。了解何时使用归一化或标准化对于优化数据挖掘结果至关重要。

摘要由CSDN通过智能技术生成

我们阅读量破万的综述：RNA-seq这十年(3万字长文综述)给粉丝朋友们带来了很多理解上的挑战，所以我们开辟专栏慢慢介绍其中的一些概念性的问题，上一期：

RNA-seq的counts值，RPM, RPKM, FPKM, TPM 的异同

在数据挖掘过程，数据的归一化和标准化是必须的。取log值就是一种归一化的方法，z-score是常用的标准正态分布化的方法。

归一化和标准化的区别

实际上口语里面通常是没办法很便捷的区分这两个概念。
归一化：将每个样本的特征值(在转录组中，特征值就是表达量)转换到同一量纲下，把表达量映射到特定的区间内，区间的上下限由表达量的极值决定，这种区间缩放法是归一化的常用方法。
标准化：按照表达矩阵中的一个基因在不同样本中的表达量处理数据，每个样本点都能对标准化产生影响，通过求z-score值，转换为标准正态分布，经过处理的数据的均值为0，标准差为1，因此z-score也称为零-均值规范化。