数据标准化.归一化处理剖析

4.3 其它隆1 形曲数二维绘图函数小结plot二维图形基本函数fplotf 伍｝函数曲线绘制figure创宦图形窗口fill填充二维多边图形grid放置樂标网格线polar极坐标图gtext用鼠标放置文本barhold 保持严前图形窗口内容loglog双对数坐标图subplottext创崖子图放置文本semilog.x芷轴为对数的坐标图tlLle放置團形标题SemilogyY 轴为对数的坐标图xlabel放置 X 轴坐标标记stairs阶梯形图ylabel放克兰轴悭标标记axis设置坐标轴elf清除图形窗口内容close关闭 fflm 口数据的标准化在数据分析之前,我们通常需要先将数据标准化(normalization),利用标准化后的数据进行数据分析。数据标准化也就是统计数据的指数化数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。数据同趋化处理主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对测评方案的作用力同趋化，再加总才能得出正确结果。数据无量纲化处理主要解决数据的可比性，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。数居标准化的方法有很多种,常用的有“最小一最大标准化”“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。一、Min-max 标准化min-max 标准化方法是对原始数据进行线性变换。设 minA 和 maxA 分别为属性 A 的最小值和最大值，将 A 的一个原始值 x 通过 min-max 标准化映射成在区间［0,1］中的值 x'，其公式为：新数据=（原数据-极小值）/（极大值-极小值）二、z-score 标准化这种方法基于原始数据的均值（mean）和标准差（standarddeviation）进行数据的标准化。将 A 的原始值 x 使用 z-score 标准化到 x'。z-score 标准化方法适用于属性 A 的最大值和最小值未知的情况，或有超出取值范围的离群数据的情况。新数据=（原数据-均值）/标准差spss 默认的标准化方法就是 z-score 标准化。用 Excel 进行z-score 标准化的方法:在 Excel 中没有现成的函数，需要自己分步计算，其实标准化的公式很简单。步骤如下：求出各变量（指标）的算术平均值（数学期望）xi 和标准差 si；•进行标准化处理：zj 二（xij-xi）/si,其中：zij 为标准化后的变量值；xij 为实际变量值。将逆指标前的正负号对调。标准...