Qu'est-ce que la normalisation des données (Normalisation)
Mettre à l'échelle les données proportionnellement pour que l'automne dans une petite plage spécifique. Il est souvent utilisé dans certains traitements d'indices de comparaison et d'évaluation pour supprimer la restriction unitaire des données et les convertir en une valeur pure sans dimension, afin que les indicateurs de différentes unités ou grandeurs puissent être comparés et pondérés. (Apprentissage recommandé : Tutoriel vidéo Web front-end)
Quelles sont les méthodes courantes ?
Méthode 1 : Méthode de normalisation
Également appelée normalisation des écarts, il s'agit d'une transformation linéaire des données d'origine, afin que le résultat soit cartographié à l'intervalle [0, 1].
Méthode 2 : Méthode de régularisation
Cette méthode est basée sur la moyenne et l'écart type des données d'origine) pour normaliser les données. Normalisez la valeur d'origine x de A en x' à l'aide du score z.
La méthode de normalisation du score z convient aux situations où les valeurs maximales et minimales de l'attribut A sont inconnues, ou lorsqu'il existe des données aberrantes au-delà de la plage de valeurs.
La méthode de standardisation par défaut de spss est la standardisation z-score.
Comment utiliser Excel pour standardiser le z-score : Il n'y a pas de fonction prête à l'emploi dans Excel, vous devez donc le calculer étape par étape. En fait, la formule de standardisation est très simple.
Les étapes sont les suivantes :
1. Trouver la moyenne arithmétique (espérance mathématique) xi et l'écart type si de chaque variable (indicateur) ; 🎜> 2. Effectuez le traitement de normalisation :
zij=(xij-xi)/si
où : zij est la valeur de la variable standardisée ; xij est la valeur réelle de la variable.
3. Inversez les signes positifs et négatifs avant l'indicateur inverse.
La valeur de la variable standardisée fluctue autour de 0. Plus de 0 signifie au-dessus du niveau moyen, et moins de 0 signifie en dessous du niveau moyen.
Méthode 3 : Méthode de normalisation
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!