配套讲义、代码41.数据化.pptxVIP

主讲人：小柯;数据分析时经常需要数据标准化处理，常见的比如：回归、主成分、因子分析等，在神经网络、聚类分析中也会经常用到数据标准化预处理，甚至感觉一切的数据分析好像都需要标准化预处理。;作用： 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。 ;最小－最大规范化(线性变换) 这样，标准化后的数据范围为0= y =1，可以取值0和1，分别当x取最值的时候。这是一个线性变换，因为它本身就是一个线性关系式。 ;z-score规范化 这是用每个数据首先减去均值再除以标准差，处理后序列正负值的分布反映了数据的峰度偏度。比如：处理后序列负值居多，表明数据小于均值较多，那么均值水平就是为数不多的几个异常较大的值撑起来的。这种方法最常见，用的最多。;对数Logistic模式 ;还有很多其它例子。数据标准化在BP神经网络预测中经常会用到，因为生活中的数据总是大大小小、各种影响因素，需要先标准化预测再还原。想一下，其实在做聚类分析时也可以进行标准化的，对于数据值比较大，计算距离，最后误差精度可能比较大，难以控制，也可以通过标准化到0~1之间进行不断迭代聚类等。;谢谢！