《数据挖掘与机器学习》 课件5.1.1 数据标准化.pptx

处理玻璃成分数据;任务描述;任务要求;数据标准化

数据降维;数据标准化;数据标准化;常见的数据标准化方法如下。;最大最小标准化通过对原始数据进行线性变换，将数据缩放到指定的范围内，通常是[0,1]。最大最小标准化的公式如下所示。;使用sklearn库中的MinMaxScaler函数可以实现最大最小标准化，其基本使用格式如下。;标准差标准化;classsklearn.preprocessing.StandardScaler(copy=True,

with_mean=True,with_std=True);StandardScaler函数的参数及说明如下。;加强国家科普能力建设，深化全民阅读活动。广泛的阅读不仅可以开阔视野，还可以发现自己的兴趣导向。

在阅读时，有时需要对一篇文献的词频进行分析。首先将文献中的每个词语作为一个特征，构造一个词频矩阵。

词频矩阵可以便于快速的浏览一篇文章的主要内容。对这个词频矩阵进行标准差标准化处理，以消除词频之间的量级差异。;下表是关于词频矩阵的数据集，其中每行表示一篇文章，每列表示一个词语的出现次数。;小数定标标准化，通过移动数据的小数点位置来进行标准化，将数据放缩到[0,1]之间，如下式所示。

在具体标准化过程中，小数点移动多少位取决于数据系列中的最大绝对值大小。例如，[100,2,30]标准化为[0.1,0.002,0.03]，可以明显的看出它的优点在于不改变原始数据的分布。;下表是某省市的旅游人数的数据集，包括日期及旅游人数两个特征。;

最大最小标准化方法简单，便于理解，标准化后的数据限定在[0,1]区间内。

标准差标准化受数据分布的影响较小。

小数定标标准化方法的适用范围广，并且受数据分布的影响较小，相比较于前两种方法，该方法适用程度适中。