数据标准化/归一化方法
2018-05-16 13:48:36 0 举报AI智能生成
数据预处理之特征标准化方法整理
作者其他创作
大纲/内容
标准化
定义：数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间
特点：去除数据的单位限制，将其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
归一化处理
定义：数据的归一化处理，即将数据统一映射到 [0,1] 区间上
优势1：提升模型的收敛速度
优势2：提升模型的精度（让各个特征对结果做出的贡献相同）
arctan 函数转换
计算公式：X* = arctan(X)*2/ π
特点：如果想映射的区间为[0,1]，则数据都应该大于等于0，小于0的数据将被映射到[-1,0]区间
小数定标标准化
计算公式：X* = X/(10^j) （j是满足条件的最小整数）
数据范围：[-1,1]
特点：直接、简单，不改变数据分布
适用范围：适合数据初期探索，不消除属性件的权重差异
注意点：会对原始数据做出改变，需要保存所使用的标准化方法的参数，以便对后续的数据进行统一的标准化
排序归一
计算公式：X* = X_rank / X_sum (X_rank 为排名，X_sum 为数据记录条数)
数据范围：(0,1]
特点：将数据变成直线分布
适用范围：对数据具体值不关心，更关心数据的相对排序
min-max 标准化
(0,1] 区间
计算公式：X* = (X - min)/(max - min)
[-1,1] 区间
计算公式：X* = (X - xmean)/(max - min) xmean为数据均值
特点：简单易理解，不改变数据分布
缺陷：有新数据加入时，可能导致max和min的变化，需要重新定义
z-score 标准化
计算公式：X* = (X - μ ) / σ （μ为均值，σ为标准差）
适用范围：适用最大值和最小值未知的情况，或有超出取值范围的离群数据的情况
特点：改变数据分布，对离群点规范化效果好
缺陷：要求原始数据的分布可以近似为高斯分布（正态分布），否则归一化的效果很差
log 函数转换
计算公式：X* = log10(X)/log10(max)
要求：所有的数据都要大于等于1
Logistic/Softmax 变换
子主题
模糊量化模式
计算公式：X* = 1/2+1/2sin[π /(max - min)*(X -(max - min)/2) ]
权重
专家咨询权数法（特尔斐法）
根据专家对指标的重要性打分来定权，重要性得分越高，权数越大
优点：集中来众多专家的意见
缺点：通过打分直接给出各指标权重难以保持权重的合理性
算术平均法、频数统计法、加权统计法
子主题
收藏
0 条评论
下一页
为你推荐
查看更多
