數據標準化（歸一化）處理是數據挖掘的一項基礎工作，不同評價指標往往具有不同的量綱和量綱單位，這樣的情況會影響到數據分析的結果，為了消除指標之間的量綱影響，需要進行數據標準化處理，以解決數據指標之間的可比性。原始數據經過數據標準化處理后，各指標處于同一數量級，適合進行綜合對比評價。以下是兩種常用的歸一化方法：

一、min-max標準化（Min-Max Normalization）

也稱為離差標準化，是對原始數據的線性變換，使結果值映射到[0 – 1]之間。轉換函數如下：

x?=(x?min)/(max?min)

其中max為樣本數據的最大值，min為樣本數據的最小值。這種方法有個缺陷就是當有新數據加入時，可能導致max和min的變化，需要重新定義。

二、Z-score標準化方法

這種方法給予原始數據的均值（mean）和標準差（standard deviation）進行數據的標準化。經過處理的數據符合標準正態分布，即均值為0，標準差為1，轉化函數為：

x?=(x?μ)/σ

其中?μ為所有樣本數據的均值，σ為所有樣本數據的標準差。

三 Z-scores 簡單化

模型如下：

x?=1/(1+x)

x越大證明x??越小，這樣就可以把很大的數規范在[0-1]之間了。

總結

以上1，2方法都需要依賴樣本所有數據，而3方法只依賴當前數據，可以動態使用，好理解。

轉載：https://www.cnblogs.com/swg1124/p/7028054.html

總結

以上是生活随笔為你收集整理的常见分数值归一化方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。