《数据标准化的几种方法》由会员分享，可在线阅读，更多相关《数据标准化的几种方法（4页珍藏版）》请在装配图网上搜索。
1、数据原则化的几种措施 在数据分析之前，我们一般需要先将数据原则化（normalization），运用原则化后的数据进行数据分析。数据原则化也就是记录数据的指数化。数据原则化解决重要涉及数据同趋化解决和无量纲化解决两个方面。数据同趋化解决重要解决不同性质数据问题，对不同性质指标直接加总不能对的反映不同作用力的综合成果，须先考虑变化逆指标数据性质，使所有指标对测评方案的作用力同趋化，再加总才干得出对的成果。数据无量纲化解决重要解决数据的可比性。数据原则化的措施有诸多种，常用的有“最小最大原则化”、“Z-score原则化”和“按小数定标原则化”等。通过上述原则化解决，原始数据均转换为无量纲化指标测评
2、值，即各指标值都处在同一种数量级别上，可以进行综合测评分析。 一、Min-max 原则化 min-max原则化措施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的一种原始值x通过min-max原则化映射成在区间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 原则化 这种措施基于原始数据的均值（mean）和原则差（standard deviation）进行数据的原则化。将A的原始值x使用z-score原则化到x。 z-score原则化措施合用于属性A的最大值和最小值未知的状况，或有超过取值范畴的离群数据的状况。 新
3、数据=（原数据-均值）/原则差 spss默认的原则化措施就是z-score原则化。在SPSS中依次点击Analyze Descriptive Descriptive 点击Save standardized values as varianles即可。 用Excel进行z-score原则化的措施：在Excel中没有现成的函数，需要自己分步计算，其实原则化的公式很简朴。环节如下： 1.求出各变量（指标）的算术平均值（数学盼望）xi和原则差si ； 2.进行原则化解决： zij（xijxi）si 其中：zij为原则化后的变量值；xij为实际变量值。 3.将逆指标前的正负号对调。 原则化后的变量值环绕
4、0上下波动，不小于0阐明高于平均水平，不不小于0阐明低于平均水平。 三、Decimal scaling小数定标原则化 这种措施通过移动数据的小数点位置来进行原则化。小数点移动多少位取决于属性A的取值中的最大绝对值。将属性A的原始值x使用decimal scaling原则化到x的计算措施是： x=x/(10*j) 其中，j是满足条件的最小整数。 例如假定A的值由-986到917，A的最大绝对值为986，为使用小数定标原则化，我们用1000（即，j=3）除以每个值，这样，-986被规范化为-0.986。 注意，原则化会对原始数据做出变化，因此需要保存所使用的原则化措施的参数，以便对后续的数据进行统一的原则化。 除了上面提到的数据原则化外尚有对数Logistic模式、模糊量化模式等等： 对数Logistic模式：新数据=1/（1+e(-原数据)） 模糊量化模式：新数据=1/2+1/2sin派3.1415/（极大值-极小值）*（X-（极大值-极小值）/2） X为原数据
数据标准化的几种方法
