|
在数据分析过程中，我们经常需要对数据进行标准化（normalization），数据标准化主要功能就是消除变量间的量纲关系，从而使数据具有可比性。可以举个简单的例子，一个百分制的变量与一个5分值的变量在一起怎么比较？只有通过数据标准化，都把它们标准到同一个标准时才具有可比性。即通过将属性数据按照比例缩放，使之落入一个小的特定区间，如[-1,+1]、[0,1]等，以进一步分析数据的属性。
有许多中数据标准化方法，常用的有最小-最大标准化、Z-score标准化和按小数定标标准化等。下面对数据标准化的常用方法进行了介绍： 一、Min-Max标准化 min-max标准化方法是对原始数据进行线性变换。设minA和maxA分别为属性A的最小值和最大值，将A的一个原始值x通过min-max标准化映射成在区间【0,1】中的值，其公式为： 新数据=（原数据-极小值）/（极大值-极小值） 这种方法适用于原始数据的取值范围已经确定的情况。 例如：假定属性income的最小与最大值分别为$12,000和$98,000。我们想映射income到区间[0,1]。根据min-max标准化，incom值$73,600将变换为 （73,600-12,000）/（98,000-12,000）×（1-0）=0.716。 二、z-score标准化 这种方法基于原始数据的均值(mean)和标准差(standard deviation)进行数据的标准化。将属性A的原始值v使用z-score标准化到v'的计算方法是： 新数据=（原数据-均值）/标准差 z-score标准化方法适用于属性A的最大值和最小值未知的情况，或有超出取值范围的离群数据的情况。 spass的默认的标准化方法就是z-score标准化。 用Excel进行z-score标准化的方法：在Excel中没有现成的额函数，需要自己分步计算，其实标准化的公式很简单。 步骤如下： 1、求出各变量（指标）的算术平均值（数学期望）xi和标准差si 2、进行标准化处理：zij=(xij-xi)/si。其中：zij为标准化后的变量值；xij为实际变量值。 3、将逆指标钱的正负号对调。标准化后的变量值围绕0上下波动，大雨0说明高于平均水平，小于0说明低于平均水平。 三、Decimal scaling（小数定标标准化） 这种方法通过移动数据的小数点位置来进行标准化。小数点移动多少位取决于属性A的取值中的最大绝对值。将属性A的原始值x使用decimal scaling标准化到y'的计算方法是：y=x/(10*j) 其中，j是满足条件的最小整数。 例如 假定A的值由-986到917，A的最大绝对值为986，为使用小数定标标准化，我们用1000（即，j=3）除以每个值，这样，-986被规范化为-0.986。 注意，标准化会对原始数据做出改变，因此需要保存所使用的标准化方法的参数，以便对后续的数据进行统一的标准化。 参考资料：
|
|
|
