数据归一化两种常用的方法

数据标准化（归一化）处理是数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。原始数据经过数据标准化处理后，各指标处于同一数量级，适合进行综合对比评价。以下是两种常用的归一化方法：

一、min-max标准化（Min-Max Normalization）

也称为离差标准化，是对原始数据的线性变换，使结果映射到[0 - 1]之间，转换函数如下：
$$x^{\ast }=\frac{x-min}{max-min}$$
其中 max为样本数据的最大值， min为样本数据的最小值，这种方法有个缺陷，就是当有新数据加入时，可能导致max和min的变化，需要重新定义。

二、Z-score标准化法

这种方法给予原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。经过处理的数据符合标准正态分布，即均值为0，标准差为1，转化函数为：
$$x^{\ast }=\frac{x-\mu }{\sigma }$$
其中$\mu$为所有样本数据的平均值，$\sigma$为所有样本的标准差

参考：http://webdataanalysis.net/data-analysis-method/data-normalization/