机器学习 之数据归一化

一、什么是数据归一化

数据标准化（归一化）处理是数据挖掘的一项基础工作。是将数据按比例缩放，使之落入一个小的特定区间[0,1]

二、作用

1. 把数变为（0，1）之间的小数
2. 数据无量纲化处理，解决数据的可比性：把有量纲表达式变为无量纲表达式（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。
3. 数据同趋化处理，解决不同性质的数据问题，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

三、好处

1. 提升模型的收敛速度
2. 提升模型的精度

四、归一化方法

一、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：

  其中max为样本数据的最大值，min为样本数据的最小值。这种方法有个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。

二、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：

 Z-score标准化的sklearn方法：http://blog.csdn.net/u011630575/article/details/79406612