机器学习-数据归一化方法

本文主要介绍两种基本的数据归一化方法。

min-max标准化（Min-Max Normalization）
Z-score标准化方法

归一化方法有两种形式，一种是把数变为（0，1）之间的小数，一种是把有量纲表达式变为无量纲表达式。

数据标准化（归一化）处理是数据挖掘的一项基础工作，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性。原始数据经过数据标准化处理后，各指标处于同一数量级，适合进行综合对比评价。

下面是归一化和没有归一化的比较：

没有经过归一化，寻找最优解过程如下：

机器学习-数据归一化方法

经过归一化，把各个特征的尺度控制在相同的范围内：

机器学习-数据归一化方法

从经验上说，归一化是让不同维度之间的特征在数值上有一定比较性，可以大大提高分类器的准确性。

以下是两种常用的归一化方法：

1.min-max标准化（Min-Max Normalization）

也称为离差标准化，是对原始数据的线性变换，使结果值映射到[0 - 1]之间。转换函数如下：

$$x^{*}=/frac{x-x_{min}}{x_{max}-x_{min}}$$

x_min表示样本数据的最小值，x_max表示样本数据的最大值。

Python代码实现：

def Normalization(x):
 return [(float(i)-min(x))/float(max(x)-min(x)) for i in x]

测试：

x=[1,2,1,4,3,2,5,6,2,7]
b=Normalization(x)

Output：

[0.0, 0.16666666666666666, 0.0, 0.5, 0.3333333333333333, 0.16666666666666666, 0.6666666666666666, 0.8333333333333334, 0.16666666666666666, 1.0]

如果想要将数据映射到[-1,1]，则将公式换成：

$$x^{*}=/frac{x-x_{mean}}{x_{max}-x_{min}}$$

x_mean表示数据的均值

Python代码实现：

import numpy as np
def Normalization2(x):
 return [(float(i)-np.mean(x))/(max(x)-min(x)) for i in x]

测试：

x=[1,2,1,4,3,2,5,6,2,7]
b=Normalization2(x)

Output：

[-0.3833333333333333, -0.21666666666666665, -0.3833333333333333, 0.1166666666666667, -0.049999999999999968, -0.21666666666666665, 0.28333333333333338, 0.45000000000000001, -0.21666666666666665, 0.6166666666666667]

注意：上面的Normalization是处理单个列表的。

2.z-score标准化方法

这种方法给予原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。经过处理的数据符合标准正态分布，即均值为0，标准差为1，转化函数为：

$$x^{*}=/frac{x-/mu}{/sigma}$$

其中，μ表示所有样本数据的均值，σ表示所有样本的标准差。

Python代码实现：

import numpy as np
def z_score(x):
    x_mean=np.mean(x)
    s2=sum([(i-np.mean(x))*(i-np.mean(x)) for i in x])/len(x)
    return [(i-x_mean)/s2 for i in x]

测试：

x=[1,2,1,4,3,2,5,6,2,7]
print z_score(x)

Output:

[-0.57356608478802995, -0.32418952618453861, -0.57356608478802995, 0.17456359102244395, -0.074812967581047343, -0.32418952618453861, 0.42394014962593524, 0.67331670822942646, -0.32418952618453861, 0.92269326683291775]