数据标准化的常见方法(Min-Max标准化、Z-Score标准化等)

写在前面的话：

数据的标准化:

将数据按比例缩放，使之落入一个小的特定区间，一般目的在于：去除数据的单位限制，转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。数据的归一化便是一个典型的案例。

数据的归一化：

把数转换为(0,1)之间的小数
把有量纲的表达式转换为无量纲的表达式
归一化的好处:在多指标评价体系中，由于个评价指标的性质，通常具有不同的量纲和数量级。当各指标间的水平相差很大时，如果直接用原始指标值进行分析，就会突出数值较高的指标在综合分析中的作用，相对削弱值水平低指标的作用，因此，为了保证结果的可靠性，需要对原始数据进行标准化处理。

经验上来说，归一化就是让不同维度之间的特征在数值上有一定比较性，可以大大提高分类器的准确性。

1.1 数据标准化

Min-Max标准化

Min-Max标准化是指对原始数据进行线性变换，将值映射到[0，1]之间

Z-Score标准化

Z-Score标准化是指:基于原始数据的均值(mean)和标准差(standard deviation)来进行数据的标准化。其主要目的是将不同量级的数据统一化为同一个量级，统一用计算出的Z-Score值衡量，保证了数据间具有可比性。

小数定标(Decimal scaling)标准化

均值归一法（Mean normalization）

下图的 u是表示均值，value表示在一组数据中第i个元素的值

通过原始数据中的均值、最大值和最小值来进行数据标准化。（上述两条公式都是差不多的）

向量归一化

指数转换
指数转换是指:通过对原始数据进行相应的指数函数变换来进行数据的标准化。常见的指数转换函数方法如下所示：

参考：https://zhuanlan.zhihu.com/p/31635022
原文：https://blog.csdn.net/weixin_42792088/article/details/103971069