数据归一化是数学建模预处理的重要步骤，用于消除量纲差异和数值差距。常见的方法包括极差标准化和中心化标准化。在Python中，可以编写函数实现这两种标准化。通过举例和软件操作，蒋宝藏课堂深入浅出地讲解了数据归一化的概念和应用。
小白：“宝藏蒋，啥是数字归一化呀？”
蒋宝藏：“数学建模中不是有很多步骤嘛~数字归一化相当于是准备工作，你搜集到一堆数据以后，要先预处理一下。”
今天的蒋宝藏课堂就给大家解释有关数据归一化的知识
快拿起你的小马扎来听课吧！！！
数据归一化是个啥玩意？
数据归一化是指对一列数据进行相同方法的处理，使得达到消除量纲或规范化的目的。
为啥要把数据归一化？
因为在数据变量数较多时，各个变量的量纲单位可能不一样，各个变量数值差距也较大，为了消除量纲和差异性，就需要对数据进行归一化。
数据归一化的分类
设共有n个样本，每个样本有m个变量。这是官方的话，用通俗的话来打个比方，浙江有11地级市，每个地级市在每年评比排名时呢，都会有很多指标数据，那这些指标数就是变量数。
（1） 极差标准化
设这11个城市的某个指标为 ，那么极差标准化就是把这列数减去这一列中最小值，除以最大值与最小值的差。即
x i j ~ = x i j − min ( x j ) max ( x j ) − min ( x j ) \widetilde {
{x_{ij}}} = \frac{
{
{x_{ij}} - \min ({x_j})}}{
{\max ({x_j}) - \min ({x_j})}} xij
=max(xj)−min(xj)xij−mi
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
