机器学习笔记1—z-score(matlab)

简介

对于一个向量X，可以利用z-score方法将其标准化为X‘，向量X中的每一个值x转化为x’的计算公式如下：x’=(x-mean(X))./std(X)
所以，可以理解为z-score 标准化(正太标准化)是基于原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。

matlab使用方法

• 输入是向量

>> a=[1,2,3]

a =
     1     2     3
     
>> b=zscore(a)

b =

    -1     0     1

>> 

• 输入是矩阵（默认是使用矩阵a每一列的向量来计算）

>> a=[1,2,3;4,5,6]

a =

     1     2     3
     4     5     6 
     
>> b=zscore(a)

b =

   -0.7071   -0.7071   -0.7071
    0.7071    0.7071    0.7071
    
>>

• 输入是矩阵，想要使用矩阵a每一行的向量来计算，使用方法如下

>> a=[1,2,3;4,5,6]

a =

     1     2     3
     4     5     6

>> b=zscore(a, 0, 2)

b =

    -1     0     1
    -1     0     1

• 讲解：Z = zscore(X,flag,dim)
• flag参数：
  • 如果flag为0（默认值），则zscore使用样本标准差对X进行缩放，在标准差公式的分母中使用n -1。 zscore（X，0）与 zscore（X）相同。
  • 如果flag为1，则zscore使用总体标准差对X进行缩放，其中n为标准差公式的分母。
• dim参数：
  • 如果dim = 1，则zscore使用沿矩阵X 列 的平均值和标准偏差，如果dim = 2，则zscore使用沿矩阵X 行 的平均值和标准偏差。

zscore使用场景

可通过zscore将两组或多组数据转化为无单位的zscore分值，使得数据标准统一化。若转换后，某些数值较大，则表明偏离均值较远，则可舍去这几组数据。

参考博客：
数据标准化方法z-score讲解(matlab)
3.4.2数据标准化（一） - Z-Score标准化