数据归一化和两种常用的归一化方法
一、总结
一句话总结:
min-max标准化:x* =(x-min)/(max-min):新数据加入,需重新计算max和min
Z-score标准化:x* =(x-μ)/σ:μ为所有样本数据的均值,σ为所有样本数据的标准差
1、为什么要对数据进行归一化处理?
不同评价指标往往具有不同的量纲和量纲单位,这样的情况会影响到数据分析的结果,为了消除指标之间的量纲影响,需要进行数据标准化处理
二、数据归一化和两种常用的归一化方法
转自或参考:数据归一化和两种常用的归一化方法
https://www.cnblogs.com/chaosimple/p/3227271.html
数据标准化(归一化)处理是数据挖掘的一项基础工作,不同评价指标往往具有不同的量纲和量纲单位,这样的情况会影响到数据分析的结果,为了消除指标之间的量纲影响,需要进行数据标准化处理,以解决数据指标之间的可比性。原始数据经过数据标准化处理后,各指标处于同一数量级,适合进行综合对比评价。以下是两种常用的归一化方法:
一、min-max标准化(Min-Max Normalization)
也称为离差标准化,是对原始数据的线性变换,使结果值映射到[0 - 1]之间。转换函数如下: