数据归一化
来源:互联网 发布:vendor.js 是什么 编辑:程序博客网 时间:2024/05/03 04:23
数据归一化,又叫数据规范化或数据标准化,即把属性数据按比例缩放,使之落入一个特定的小区间,如[-1.0, 1.0]或[0.0, 1.0]。
规范化数据试图赋予所有属性相等的权重。对于涉及神经网络的分类算法或基于距离度量的分类(如最近邻分类)和聚类,规范化特别有用。如果使用神经网络后向传播算法进行分类挖掘,对训练元组中每个属性的输入值规范化有助于加快学习速度。对于基于距离的方法,规范化可以帮助防止具有较大初始值域的属性(如income)与具有较小初始值域的属性(如二元属性)相比权重过大。在没有数据的先验知识时,规范化也是有用的。
常用的数据规范化方法有以下几种:
1. 最小-最大值归一化
一般情况下new_maxA取1,new_minA取0,此时公式1.1可简化为:
2. z-score归一化
2.1式的标准差可以用均值绝对偏差替换。A的均值绝对偏差(mean absolute deviation)定义为:
使用均值绝对偏差的z-score归一化为:
对于离群点,均值绝对偏差比标准差更加鲁棒。
3. 小数定标归一化
小数定标归一化通过移动属性A的值的小数点位置进行归一化。小数点的移动位数依赖于A的最大绝对值。
4. 对数归一化
5. 反正切函数转换
0 0
- 数据归一化
- 数据归一化
- 数据归一化
- 数据归一化
- 数据归一化
- 数据归一化
- 数据归一化
- 数据归一化
- 数据归一化
- 数据归一化
- 数据归一化
- 数据归一化
- 为什么要数据归一化和归一化方法
- 数据标准化/归一化方法
- 数据归一化汇总
- 数据归一化汇总
- 数据集中归一化问题
- 数据归一化总结
- Code::Blocks配置OpenGL开发环境
- 快速多人游戏(4) - 爆头!(AKA延迟补偿)
- (超详细)easyUI入门的学习
- 数据库JDBC连接不上
- Android系统的上下文对象Context
- 数据归一化
- 强悍的 vim —— 处理大小写转换
- Python标准库:内置函数bytes([source[, encoding[, errors]]])
- 如何在mac上装lisp
- 的JDBC server 的JDBC server
- linux(rh7)下/etc/shadow文件分析
- C#实现http多线程下载文件
- 网络获取图片
- DLR、ASTER GDEM、SRTM3、GMTED2010等5种全球高程数据对比