|
數(shù)據(jù)標(biāo)準化（歸一化）處理是數(shù)據(jù)挖掘的一項基礎(chǔ)工作，不同評價指標(biāo)往往具有不同的量綱和量綱單位，這樣的情況會影響到數(shù)據(jù)分析的結(jié)果，為了消除指標(biāo)之間的量綱影響，需要進行數(shù)據(jù)標(biāo)準化處理，以解決數(shù)據(jù)指標(biāo)之間的可比性。原始數(shù)據(jù)經(jīng)過數(shù)據(jù)標(biāo)準化處理后，各指標(biāo)處于同一數(shù)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(biāo)準化（Min-Max Normalization）也稱為離差標(biāo)準化，是對原始數(shù)據(jù)的線性變換，使結(jié)果值映射到[0 - 1]之間。轉(zhuǎn)換函數(shù)如下： 其中max為樣本數(shù)據(jù)的最大值，min為樣本數(shù)據(jù)的最小值。這種方法有個缺陷就是當(dāng)有新數(shù)據(jù)加入時，可能導(dǎo)致max和min的變化，需要重新定義。 二、Z-score標(biāo)準化方法這種方法給予原始數(shù)據(jù)的均值（mean）和標(biāo)準差（standard deviation）進行數(shù)據(jù)的標(biāo)準化。經(jīng)過處理的數(shù)據(jù)符合標(biāo)準正態(tài)分布，即均值為0，標(biāo)準差為1，轉(zhuǎn)化函數(shù)為：
其中 參考文獻：http:///data-analysis-method/data-normalization/ |
|
|
