归一化处理方法.docxVIP

归一化处理方法 标准化（Standardization），又称为Z-Score标准化，是一种数据规范化的方法，它把有别于0的数据转换成均值为0，标准差为1的正态分布数据，标准化的数学公式为： z = (X - μ) / σ 其中，X 为原始数据，μ 为所有样本数据的平均值，σ 为所有样本数据的标准差。 标准化的优点有： 1、标准化能够将不同量级的数据转化为同一量级，便于后续数据处理，提高模型的精度。 2、数据标准化之后，不仅提高了数据可视性，而且能够消除Y轴的单位对变量的影响，从而使得变量真正的分布形态更加接近标准正态分布。 然而，由于数据标准化会改变原始数据，因此在使用标准化方法时，应当正确使用，以求达到良好的预期效果。常见的标准化形式有最大最小值归一化、平均值标准化、小数定标法等。 最大最小值归一化（Min-Max Normalization）是数据规范化常见的一种方法，它将数据线性变换到0和1之间，其中最小值为xmin，最大值为xmax，其数学公式为：x = (x - xmin) / (xmax - xmin)。 小数定标法（Decimal Scaling）小数定标法是一种特殊的数学技巧，它将数据变换到0-1区间内，用“1” 来标记归一化后的数据的最大值。其数学公式为： x=(x/10d)，其中 d 为数据的最大绝对值的数位。