数据规范化处理方法.pdfVIP

欢迎阅读 数据标准化处理方法 ??? 在数据分析之前，我们通常需要先将数据标准化（ normalization ），利用标准化 后的数据进行数据分析。 数据标准化也就是统计数据的指数化。 数据标准化处理主要包 括数据同趋化处理和无量纲化处理两个方面。 数据同趋化处理主要解决不同性质数据问 题，对不同性质指标直接加总不能正确反映不同作用力的综合结果， 须先考虑改变逆指 标数据性质，使所有指标对测评方案的作用力同趋化，再加总才能得出正确结果。 数据 无量纲化处理主要解决数据的可比性。数据标准化的方法有很多种，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。经过上述标准化处理， 原始数据均转换为无量纲化指标测评值， 即各指标值都处于同一个数量级别上， 可以进 行综合测评分析。 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 x ，其公式为： ??? 新数据 = （原数据- 极小值） / （极大值- 极小值） ??? 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 A 的原始值 x 使用 z-score 标准化到 x 。 页脚内容 欢迎阅读 ??? 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。 ??? 新数据 = （原数据- 均值） / 标准差 ??? spss 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. 将逆指标前的正负号对调。 ??? 标准化后的变量值围绕 0 上下波动， 大于 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 页脚内容 欢迎阅读 ??? 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 x 的计 算方法是： ??? x=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。 ??? 除了上面提到