學習數據挖掘、機器學習的同學們應該經常碰到數據歸一化（也稱標準化），數據的不同特征種類（評價指標）的取值范圍差別可能很大，如果不做處理會影響數據分析的結果。因此需要把數據進行標準化處理，將數據進行比例縮放，以消除不同特征間量綱和取值范圍差異帶來的影響。

數據歸一化處理對基于距離的數據挖掘算法尤為重要。下面就簡要介紹3種常用的數據歸一化方法。

1、最大最小歸一化

該方法也稱離差標準化，其核心思想是把原始數據的數值線性變換到[0,1]之間，公式如下：

其中，max、min分別為樣本數據的最大值、最小值。

優點：保留源數據存在的關系，消除取值范圍最簡單的方法；

缺點：極易受個別離群值影響，如果數據集中某個數值很大，其他各值歸一化后會接近0；此外，如果遇到超出[min，max]的值，會出現錯誤。

2、零-均值歸一化

也稱標準差歸一化，顧名思義，經處理的數據的均值為0，標準差為1，公式如下：

其中，、σ分別為源數據的均值、標準差。

該方法被廣泛使用，但均值和標準差也一樣易受離群值影響，因此需要進行修正，比如：可用中位數取代均值進行上述計算。

3、小數定標規范化

該方法是通過移動特征數據的小數位數，將其轉換到[-1,1]之間，移動的小數位由特征值絕對值的最大值決定，公式如下：

下面來看看3種方法的代碼實現：

%讀入數據 data='../input/normalizationData.xls'; [data, ~]=xlsread(data);%方法一：最大最小歸一化 data_scatter = mapminmax(data',0,1); %把數據進行轉置 data_scatter = data_scatter';%方法二：零-均值歸一化 data_zscore = zscore(data);%方法三：小數定標歸一化 max_ = max(abs(data)); max_ = power(10, ceil(log10(max_))); cols = size(max_, 2); data_dot = data; for i = 1:colsdata_dot(:,i) = data(:,i)/max_(1,i); end%打印輸出結果 disp('源數據如下：'）； disp(data);disp('最大最小歸一化結果如下：'); disp(data_scatter);disp('零-均值歸一化結果如下：'); disp(data_zscore);disp('小數定標歸一化結果如下：'); disp(data_dot);

?

總結

以上是生活随笔為你收集整理的数据挖掘之3种数据归一化方法及代码实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。