理工酷

数据规范化

数据规范化又称标准化（standardization），通过将属性的取值范围进行统一，避免不同的属性在数据分析的过程中具有不平等的地位.

最小-最大法

假设需要映射到目标区间为[L,R]。原来的取值范围 为[l, r]，则根据等比例映射的原理，一个值x映射到新区间后的值v的计算方法如下 例如，对于描述客户的属性“年收入（万元）”， 如果原来的取值范围为[3，200]，新的取值范围为[0，1]，则若某客户的年收入为60万元，规范化后为(60-3)/(200-3)=0.29

z-score

z-score，又称零均值规范化（zero-mean normalization）。给定一个属性A，设其取值的均值为μa，标准差为σa，A的某个取值x规范化后的值v 计算如下： 均值为μa和标准差为σa通过已有样本的属性值进行计算。规范化后的属性A取值的均值为零 例如，年收入属性的均值为82，标准差为39，则年收入60万规范化后为-0.31