数据挖掘——数据规范化的Min-Max 规范化 和 Z-score规范化;
两种常见的数据规范化方法 - Min-Max 规范化和 Z-score 规范化 - 在不同情况下具有不同的适用性。
Min-Max 规范化:
适用场景:
- 当数据的分布范围已知,并且需要将数据映射到一个固定的范围内时,通常选择 Min-Max 规范化。
- 适用于大多数机器学习算法,特别是对输入特征的范围敏感的算法,如神经网络和支持向量机(SVM)。
举例:
假设你有一个特征集合,其中包含身高、体重和年龄。你希望将这些特征缩放到[0, 1]的范围内。你可以使用 Min-Max 规范化来实现这一目标,确保所有特征的值都在0到1之间。
from sklearn.preprocessing import MinMaxScaler
data = [[150, 50, 30],
[160, 55, 35],
[170, 60, 40]]
scaler = MinMaxScaler()
normalized_data = scaler.fit_transform(data)
print(normalized_data)
Z-score 规范化:
适用场景:
- 当数据的分布不是正态分布,或者存在异常值时,通常选择 Z-score 规范化。
- 在一些统计方法和基于距离的算法中,如聚类分析和主成分分析(PCA)中,常用 Z-score 规范化。
举例:
假设你有一个特征集合,其中包含体重和年龄。你希望对这些特征进行标准化,使得它们的均值为0,标准差为1。你可以使用 Z-score 规范化来实现这一目标。
from sklearn.preprocessing import StandardScaler
data = [[50, 30],
[55, 35],
[60, 40]]
scaler = StandardScaler()
normalized_data = scaler.fit_transform(data)
print(normalized_data)
总结:
- 使用 Min-Max 规范化时,数据将被映射到一个固定的范围内,通常是[0, 1],适用于数据范围已知且没有异常值的情况。
- 使用 Z-score 规范化时,数据将转换为均值为0,标准差为1的标准正态分布,适用于数据存在异常值或需要转换为标准正态分布的情况。