常见的的样本数据归一化
来源:互联网 发布:php 点击增加添加表单 编辑:程序博客网 时间:2024/06/06 08:30
数据的标准化(normalization)是将数据按比例缩放,使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到,去除数据的单位限制,将其转化为无量纲的纯数值,便于不同单位或量级的指标能够进行比较和加权。
其中最典型的就是数据的归一化处理,即将数据统一映射到[0,1]区间上,常见的数据归一化的方法有:
min-max标准化(Min-max normalization)
也叫离差标准化,是对原始数据的线性变换,使结果落到[0,1]区间,转换函数如下:
其中max为样本数据的最大值,min为样本数据的最小值。这种方法有一个缺陷就是当有新数据加入时,可能导致max和min的变化,需要重新定义。
log函数转换
通过以10为底的log函数转换的方法同样可以实现归一下,具体方法如下:
看了下网上很多介绍都是x*=log10(x),其实是有问题的,这个结果并非一定落到[0,1]区间上,应该还要除以log10(max),max为样本数据最大值,并且所有的数据都要大于等于1。
atan函数转换
用反正切函数也可以实现数据的归一化:
使用这个方法需要注意的是如果想映射的区间为[0,1],则数据都应该大于等于0,小于0的数据将被映射到[-1,0]区间上。
而并非所有数据标准化的结果都映射到[0,1]区间上,其中最常见的标准化方法就是Z标准化,也是SPSS中最为常用的标准化方法:
z-score 标准化(zero-mean normalization)
也叫标准差标准化,经过处理的数据符合标准正态分布,即均值为0,标准差为1,其转化函数为:
其中μ为所有样本数据的均值,σ为所有样本数据的标准差。
转载自:转载请注明来源:网站数据分析 » 《数据的标准化》
0 0
- 常见的的样本数据归一化
- 数据的归一化处理
- 数据的归一化
- 数据的归一化处理
- 数据的归一化
- 数据归一化的作用
- 数据的归一化处理
- 数据归一化的方法
- 数据归一化的方法
- 数据的归一化
- 样本归一化
- 数据的归一化及其还原
- 数据统计分析的归一化问题
- 数据归一化的方法总结
- 数据样本的选择方法
- MATLAB数据归一化汇总(最全面的归一化介绍)
- 数据归一化和两种常用的归一化方法
- 数据归一化和两种常用的归一化方法
- 软考——(5)计算机系统之CPU组成
- Eucalyptus-利用镜像启动一个Windows Server 2008r2实例
- html dtd文件解释
- Json 数据常见出错问题
- Notepad++前端开发常用插件介绍
- 常见的的样本数据归一化
- JavaScript、jQuery、HTML5、Node.js实例大全-读书笔记2
- win7原版安装版系统
- elfinder-2.x的java servlet后端——elfinder-2.x-servlet
- 河南高端市场好http://www.bj9.tv/new.php?id=10912
- 国外程序员整理的 C++ 资源大全
- 使用kvm制作Eucalyptus镜像(CentOS 6.5为例)
- Mongodb学习(安装篇):在Window下安装与使用
- API指南 -- 动画和图像(2)-- 属性动画(Property Animation)