数据转换处理之规格化：最大最小规格化算法

规格化就是将一个属性取值范围投射到一个特定范围之内，以消除数值型属 性因大小不一而造成挖掘结果的偏差。规划化处理常常用于神经网络、基于距离 计算的最近邻分类和聚类挖掘的数据预处理。对于神经网络，采用规格化后的数 据不仅有助于确保学习结果的正确性，而且也会帮助提高学习的速度。对于基于 距离计算的挖掘，规格化方法可以帮助消除因属性取值范围不同而影响挖掘结果 的公正性。介绍三种规格化方法

• 最大最小规格化方法

• 零均值规格化方法
• 十基数变换规格化方法

最大最小规格化方法

• 该方法对被初始化数据进行一种线性转换。
  设min_A和max_A是属性A的最小和最大值。最大最小规格化方法将属性A的一个值v映射为v'且有v'∈[new_min_A，new_max_A]，具体映射计算公式如下：

最大最小规格化方法.png

new_min _A，new_max _A分别是映射到的范围的边界
最大最小规格化方法保留了原来数据中存在的关系。但若将来遇到超过前属性A取值范围的数值，将会引起错误

• 示例
  假设属性income的最大最小值分别是12,000元和98,000元，若要利用最大最小规格化方法将属性income的值映射到0至1的范围内，那么对属性income的73，600元将转化为

((73,000 − 12,000) / (98,000 − 12,000)) x (1.0 − 0.0) = 0.716

• 代码实现
  待续......