归一化处理
来源:互联网 发布:mac怎么重命名文件 编辑:程序博客网 时间:2024/06/04 19:35
数据分析学习小结
两种常用的归一化方法
参考:http://www.cnblogs.com/chaosimple/archive/2013/07/31/3227271.html
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(standarddeviation)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。
相似度转化为相似距离
相似度(sim)的范围[-1,1],相当于把-1转化为无穷大,把1转化为0。
公式:Dist=-log(sim/2+0.5)
相似距离转化为相似度
公式:相似度=1/(1+距离)
关于求[0,1]之间相似度
1. 先求欧式距离,再根据公式:相似度=1/(1+距离),得出相似度
2. 皮尔逊相关系数。
3. 先余弦相似度,因为取值范围是[-1,1],所以再归一化。
相似度=(余弦相似度+1)/2。
0 0
- 归一化处理
- 归一化处理
- 归一化处理
- 神经网络归一化处理
- 数据的归一化处理
- 数据的归一化处理
- 数据归一化处理
- 归一化与标准化处理
- Matlab中的归一化处理
- 数据归一化处理
- 数据的归一化处理
- 数据归一化处理
- 数据归一化处理
- 归一化处理数据 python
- 数据归一化处理
- [matlab图像处理] 直方图归一化
- 图像处理中数据归一化
- 数字图像处理之归一化方法
- zaji
- servlet要点详解以及相关的例子
- Toast 自定义
- Easyui--datagrid 的使用 (弹出框的使用)
- Overloud REmatrix
- 归一化处理
- vs2012,配置openMP
- 『RNN 监督序列标注』笔记-第三章 神经网络
- UVa213
- galleryapp
- Linux中的likely()和unlikely()
- inline-block
- CrackMe 之 Acid Burn 破解
- java程序操作xml文件