码迷,mamicode.com
首页 > 其他好文 > 详细

【转】数据归一化和两种常用的归一化方法

时间:2014-11-24 18:57:47      阅读:222      评论:0      收藏:0      [点我收藏+]

标签:blog   http   io   ar   数据   on   log   ef   工作   

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:

bubuko.com,布布扣

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:

bubuko.com,布布扣

其中bubuko.com,布布扣为所有样本数据的均值,bubuko.com,布布扣为所有样本数据的标准差。

参考文献:

http://webdataanalysis.net/data-analysis-method/data-normalization/

【转】数据归一化和两种常用的归一化方法

标签:blog   http   io   ar   数据   on   log   ef   工作   

原文地址:http://www.cnblogs.com/zhanjxcom/p/4119293.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!