Bagaimana untuk Mengekalkan Nilai Data dalam Julat Menggunakan Normalisasi?

Lajur Dinormalisasi: Mengekalkan Nilai dalam Julat

Apabila ia melibatkan analisis data, nilai selalunya berada dalam julat, menjadikan tafsiran sedikit susah. Normalisasi datang untuk menyelamatkannya dengan mengubah nilai menjadi skala yang konsisten antara 0 dan 1.

Mari kita pertimbangkan contoh rangka data:

df:
    A   B   C
1000 10 0.5
765   5 0.35
800   7 0.09

Penyelesaian 1: Min Normalisasi

Menggunakan Panda, kita boleh menormalkan lajur dengan mengira sisihan daripada min dan menyeragamkannya dengan sisihan piawai:

normalized_df = (df - df.mean()) / df.std()

Ini memberi kita:

normalized_df:
    A   B   C
1.000000 1.000000 1.000000
0.765592 0.500000 0.700000
0.800457 0.700000 0.180000

Penyelesaian 2: Normalisasi Min-Max

Sebagai alternatif, kami boleh melakukan normalisasi min-maks, yang menskalakan nilai berdasarkan minimum dan maksimum data:

normalized_df = (df - df.min()) / (df.max() - df.min())

Terhasil dalam:

normalized_df:
    A   B   C
1.000000 1.000000 1.000000
0.765592 0.500000 0.700000
0.800457 0.700000 0.180000

Perhatikan bahawa Pandas secara automatik menggunakan penormalan mengikut lajur, menjadikan proses itu cekap dan mudah.

Atas ialah kandungan terperinci Bagaimana untuk Mengekalkan Nilai Data dalam Julat Menggunakan Normalisasi?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!