数据归一化,又叫数据规范化或数据标准化,即把属性数据按比例缩放,使之落入一个特定的小区间,如[-1.0, 1.0]或[0.0, 1.0]。
规范化数据试图赋予所有属性相等的权重。对于涉及神经网络的分类算法或基于距离度量的分类(如最近邻分类)和聚类,规范化特别有用。如果使用神经网络后向传播算法进行分类挖掘,对训练元组中每个属性的输入值规范化有助于加快学习速度。对于基于距离的方法,规范化可以帮助防止具有较大初始值域的属性(如income)与具有较小初始值域的属性(如二元属性)相比权重过大。在没有数据的先验知识时,规范化也是有用的。
常用的数据规范化方法有以下几种:
1. 最小-最大值归一化
一般情况下new_maxA取1,new_minA取0,此时公式1.1可简化为: