数据归一化和两种常用的归一化方法
2016-04-28 18:36
477 查看
数据归一化和两种常用的归一化方法
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: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。
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。
附 数据归一化-标准差归一化
美文美图
相关文章推荐
- admob 测试ID
- Nginx 开启Gzip压缩的方法
- db2和oracle区别
- 数据归一化和两种常用的归一化方法
- CodeForces 10D(DP)
- PLSQL存储过程(基础篇)-转
- 批处理脚本学习
- HttpClient与httpComponents、HttpPost、HttpGet
- CodeForces 10B Cinema Cashier
- 微分
- c函数调用过程原理及函数栈帧分析
- xUtils 中的BitmapUtils 全面注释
- Hessian通信基础
- 搭建linux环境问题总结
- CodeForces 10A Power Consumption Calculation
- MonkeyRunner脚本的录制与回放分享
- call和callvirt
- 特别的一天
- epoll模型
- 【转】函数调用栈