資料標準化的意義

在對資料集建模前，常常要對資料的某一特徵或幾個特徵進行規範化處理，其目的在於將特徵值歸一到同一個維度，消除比重不平衡的問題。

常用的標準化方法有 最大-最小標準化、零-均值標準化 和 小數定標標準化。

最大-最小標準化

最大-最小標準化又稱為離差標準化，將原始資料進行線性變換，對映到[0,1]區間。
轉換公式如下：

其中，max為特徵中最大的值，min為特徵中最小的值。max-min表示極差。

這種標準化的優點是實現簡單、保留了原始資料之間的關係。

缺點也很明顯，即：
1.當樣本中的max過大時，會使得標準化後各值之間相差不大，無法準確表示樣本間的差異；
2.當新加入的樣本的值大於max或小於min，會使標準化產生混亂，即每當有新樣本匯入時，必須重新計算max和min。

零-均值標準化

零-均值標準化也稱標準差標準化，經過該標準化處理後的資料的均值為0，標準差為1。轉化公式如下：

其中，x ̅表示樣本的均值，σ表示樣本的標準差，是目前使用最多的標準化方法。

優點：
1.將屬性值轉換為標準的正態分佈模型，便於某些演算法的實施
2.轉換後的屬性值離中心點的距離表示了它的概率值。

小數定標標準化

小數定標標準化即是通過移動屬性值的小數位數來將屬性值圈定在[0,1]之間，移動小數的位數決定於屬性值絕對值的最大值，轉化公式為：

其中，k為屬性值絕對值的最大值的位數。

參考

《python資料分析與挖掘實戰》