数据归一化和两种常用的归一化方法
来源:互联网 发布:南昌摄影工作室知乎 编辑:程序博客网 时间:2024/05/16 10:41
数据标准化(归一化)处理是数据挖掘的一项基础工作,不同评价指标往往具有不同的量纲和量纲单位,这样的情况会影响到数据分析的结果,为了消除指标之间的量纲影响,需要进行数据标准化处理,以解决数据指标之间的可比性。原始数据经过数据标准化处理后,各指标处于同一数量级,适合进行综合对比评价。以下是两种常用的归一化方法:
一、min-max标准化(Min-Max Normalization)
也称为离差标准化,是对原始数据的线性变换,使结果值映射到[0 - 1]之间。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。
二、Z-score标准化方法
这种方法给予原始数据的均值(mean)和标准差(standard deviation)进行数据的标准化。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,转化函数为:
其中为所有样本数据的均值,为所有样本数据的标准差。
参考:http://www.cnblogs.com/chaosimple/archive/2013/07/31/3227271.html
0 0
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- Git branch 分支与合并分支
- The connection to adb is down, and a severe error has occured.
- 与符号表分离程序或动态库, 如何用GDB调试
- iOS中使用点语法
- 树森林与二叉树的转换
- 数据归一化和两种常用的归一化方法
- Going Home - POJ 1295 KM算法
- Python学习笔记_Python对象
- 【c语言】第一个只出现一次的字符题目:在字符串中找出第一个只出现一次的字符
- 在上一篇的基础上的追加——关于使用plsql developer的数据库表的导入和导
- OpenGL ES 2.0基本概念
- 网页开发之字体(一)
- Deep Learning 的一些认识
- python微框架Bottle(http)