一文速学-数据预处理归一化详细解释

目录

一、为何要进行数据预处理？

二、数据标准化

1.归一化的目标

2.归一化的优点

3.哪些算法并不需要归一化

三、数据归一化方法

1.min-max标准化

2.Z-score标准化

3.Sigmoid函数：

总结

---

一、为何要进行数据预处理？

1.任何收集而来的庞大数据往往是不可能一拿到就可以立马用得上的，比如一些数值大的数据，计算量复杂度高，不容易收敛，很难进行统计处理。

2.数据不符合正态分布，无法做一些符合正态分布的数学分析。

所以为了对数据进行更好的利用，我们需要使数据标准化。

二、数据标准化

数据无量纲化处理主要解决数据的可比性。数据标准化的方法有很多种，常用的有“最小—最大标准化”、“Z-score标准化”和“按小数定标标准化”等。经过上述标准化处理，原始数据均转换为无量纲化指标测评值，即各指标值都处于同一个数量级别上，可以进行综合测评分析。这里我们重点讨论最常用的数据归一化处理，即将数据统一映射到[0,1]区间上。

1.归一化的目标

1.把数据转换