数据规范化（归一化）方法

数据挖掘中，在训练模型之前，需要对特征进行一定的处理，最常见的处理方式之一就是数据的规范化。数据的规范化的作用主要有两个：去掉量纲，使得指标之间具有可比性；将数据限制到一定区间，使得运算更为便捷。归一化就是典型的数据规范化方法，常见的数据规范化方法如下：

1、线性函数归一化(Min-Max scaling)

  线性函数将原始数据线性化的方法转换到[0, 1]的范围。计算公式如下：

在不涉及距离度量、协方差计算、数据不符合正太分布的时候，使用该方法比较好。

2、0均值标准化(Z-score standardization)

0均值归一化方法将原始数据集归一化为均值为0、方差1的数据集（[0, 1]范围）。计算公式如下：

  在分类、聚类算法中，需要使用距离来度量相似性的时候、或者使用PCA技术进行降维、涉及到正态分布的时候使用该方法较好。

3、均值绝对偏差标准化

  将方法2中的方差改为绝对偏差，则得到均值绝对偏差。

4、对数变换

  在实际工程中，经常会有类似点击次数/浏览次数的特征，这类特征是长尾分布的，可以将其用对数函数进行压缩。特别的，在特征相除时，可以用对数压缩之后的特征相减得到。对数规范化的常见形式是： 。

5、小数定标

      小数定标主要是对单位的换算和进制的转换，使得数据得到一定的简化与压缩。

6、三角函数

  三角函数的值在[0, 1]之间，如果有需要，可以用三角函数进行变换。

7、sigmoid函数，

      sigmoid函数，也称S型函数，可以对数据进行有效的压缩。特别的，S型函数在逻辑回归中起着决定性作用。