常用的数据标准化方法
来源:互联网 发布:爱逛街淘宝网首页 编辑:程序博客网 时间:2024/05/16 01:55
数据的标准化(normalization)是将数据按照一定规则缩放,使之落入一个小的特定区间。这样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0-1标准化和Z标准化,当然,也有一些其他的标准化方法,用在不同场景,这里主要介绍几种常用的方法。
1、Min-Max标准化(Min-Max normalization)
也称离差标准化,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
2、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
经过 Z-score 标准化后,各变量将有约一半观察值的数值小于0,另一半观察值的数值大于0,变量的平均数为0,标准差为1。经标准化的数据都是没有单位的纯数量。它是当前用得最多的数据标准化方法。如果特征非常稀疏,并且有大量的0(现实应用中很多特征都具有这个特点),Z-score 标准化的过程几乎就是一个除0的过程,结果不可预料。
3、归一标准化
则新序列
归一化方法在确定权重时经常用到。针对实际情况,也可能有其他一些量化方法,或者要综合使用多种方法,总之最后的结果都是无量纲化。
- 常用的数据标准化方法
- 常用的数据标准化方法
- 常用的数据标准化方法
- 数据的标准化方法
- 数据的标准化方法
- 三种常用数据标准化方法
- [ 转]数据归一化和两种常用的归一化方法:极小极大标准化,0均值1标准差标准化
- 数据标准化的几种方法
- 数据标准化的原因及方法
- 数据标准化的几种方法
- 数据标准化的原因及方法
- 数据标准化的几种方法
- 规范化(标准化)数据的方法
- 数据标准化的方法与意义
- 数据标准化/归一化方法
- 数据标准化处理方法
- 数据标准化方法
- 数据特征标准化方法
- Android NotificationManager简读
- SVN版本控制与分支设置
- Java使用Socket读写邮件服务器示例
- BZOJ3158 千钧一发
- LInux 进程间通信-FIFO总结
- 常用的数据标准化方法
- 10进制整型转16进制整型?
- IntelliJ IDEA中出现PSI and index do not match的错误的解决办法
- 磁盘调度算法
- 3Sum
- window.returnValue使用方法
- 关于Java类加载双亲委派机制的思考(附一道面试题)
- 将 左外连接 后查询的对象 转成自定义对象
- java向多线程中传递参数