データ標準化処理方法

データ正規化 (Normalization) とは

データを比例的にスケーリングして、狭い特定の範囲に。 これは、データの単位制限を取り除き、それを無次元の純粋な値に変換するために、比較および評価のインデックス処理でよく使用されます。これにより、異なる単位または大きさのインジケーターを比較して重み付けできるようになります。 (推奨される学習: Web フロントエンド ビデオ チュートリアル )

一般的な方法は何ですか?

#方法 1: 正規化方法

#偏差標準化とも呼ばれ、結果がマッピングされるように元のデータを線形変換します。 [0, 1] までの間隔。

方法 2: 正則化方法

この方法は、元のデータの平均と標準偏差に基づいて、データ。 Z スコアを使用して、A の元の値 x を x' に正規化します。

Z スコア標準化方法は、属性 A の最大値と最小値が不明な場合、または値の範囲を超える外れ値データがある場合に適しています。

spss のデフォルトの標準化方法は、z スコア標準化です。

Excel を使用して Z スコアを標準化する方法: Excel には既製の関数がないため、段階的に計算する必要があります。実際、標準化の式は非常に簡単です。

手順は次のとおりです:

1. 各変数 (指標) の算術平均 (数学的期待値) xi と標準偏差 si を求めます;

2. 標準化処理を実行します:

zij=（xij－xi）/si

ここで、zij は標準化された変数値、xij は実際の変数値です。

3. 反転インジケータの前で正負の符号を反転します。

標準化された変数の値は 0 を中心に変動します。0 より大きい場合は平均レベルを上回っており、0 より小さい場合は平均レベルを下回っていることを意味します。

方法 3: 正規化方法

以上がデータ標準化処理方法の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。