数据标准化是怎么做的

1. 数据标准化的几种方法

数据标准化的几种方法：

一、线性转换法

线性转换法是最常见的数据标准化方法，也称为离差标准化或Z值标准化。该方法将数据点减去均值后除以标准差，得到标准化后的数据。这种方法适用于数据分布近似正态分布的情况。线性转换法的公式为：

Z = / σ，其中x为原始数据，μ为均值，σ为标准差。该方法使得数据分布具有零均值和单位方差。

二、最小最大标准化

最小最大标准化也称为离差归一化。该方法将原始数据线性变换到区间[0, 1]，其中将最小值映射为0，最大值映射为1。这种方法的优点是处理速度快且可以有效消除数据量纲影响，但其缺点是易受异常值的影响。使用该方法时需要避免某些特殊数值问题。其公式为：

Normalized_Value = / 。其中Min_Value和Max_Value分别为数据的最小值和最大值。

三、小数定标标准化

小数定标标准化是一种简单而有效的数据标准化方法。它通过将原始数据的小数点向左移动一定的位数来实现标准化。移动的小数位数取决于数据的最大值的位数。这种方法适用于数据的数值范围较大且不需要保留小数点后的信息的情况。

2. 什么是数据的标准化

数据标准化的意义：

1、数据的量纲不同；数量级差别很大。

经过标准化处理后，原始数据转化为无量纲化指标测评值，各指标值处于同一数量级别，可进行综合测评分析。

一些分类器需要计算样本之间的距离（如欧氏距离），例如KNN。

如果一个特征值域范围非常大，那么距离计算就主要取决于这个特征，从而与实际情况相悖（比如这时实际情况是值域范围小的特征更重要）。

4、一些模型求解的需要：加快了梯度下降求最优解的速度。

数据标准化的方法：

1、Min-Max标准化。

2、标准差标准化，也叫z-score标准化。

3、非线性归一化。