数值归一化

引言

假设肿瘤发生的概率和肿瘤大小及发现时间这2个特征有关，用欧拉距离计算样本1和样本2之间的距离，可以看出距离被发现时间这一特征所主导，这显然是不合理的，如果不对数据进行合理处理，最终计算的结果很有可能是有偏差的，不能反映出每一个特征的重要程度，因此要对数据进行归一化处理。所谓归一化处理就是将所有数据映射到同一尺度中。

最值归一化

最简单的方式称之为最值归一化，即将所有数据映射到0-1之间

这种方法适用于分布有明显边界的数据，例如，考试成绩，但这个方法受outline影响较大，例如工资普遍在1W以内，如果某个样本点为100W，这时大部分样本点都集中在0-0.01之间，这种情况映射的结果就不够好。
因此就引出了另一种方法，均值方差归一化。

均值方差归一化

均值方差归一化是吧所有数据映射到均值为0，方差为1的分布中。同时适用于分布没有明显边界以及有明显边界的数据。

其中，μ、σ分别为原始数据集的均值和方法。

x_data = (x_data-np.mena(x_data))/np.std(x_data)