数据标准化(Normalization)四种方法

  1. min-max法（规范化方法）
    这种归一化方法比较适用在数值比较集中的情况。但是，如果max和min不稳定，很容易使得归一化结果不稳定，使得后续使用效果也不稳定，实际使用中可以用经验常量值来替代max和min。而且当有新数据加入时，可能导致max和min的变化，需要重新定义。
  2. 标准差法/z-score法（正规化方法 standardization）
    广泛用于机器学习算法
  3. 比例法（归一化方法）
    y_i = \frac{x_i}{\sum_{i=1}^{N} x_i}
  4. 非线性归一化
  • log函数转化到[0,1]
  • atan反正切函数。要想数据落到[0,1]，数据应该大于等于0，小于0的数据被映射到[-1,0]
  • logistic函数 | sigmoid函数：该函数的曲线是S型的，值域在[0,1]范围
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

相关阅读更多精彩内容

友情链接更多精彩内容