数据标准化的几种方法

1、数据标准化的几种方法在数据分析之前，我们通常需要先将数据标准化（normalizati on ），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。数据标准化的方法有很多种，常用的有“最小最大标准化”、“ 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

2、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（standard deviation ）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

3、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。在SPSS中依次点击Analyze Descriptive Descriptive丿点击 Save standardized values asvarianles 即可。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：1. 求出各变量（指标）的算术平均值（数学期望）xi和标准差si ；2. 进行标准化处理：zij =（ xij xi）/ si其中：zij为标准化后的变量值；刈为实际变量值。3. 将逆指标前的正

4、负号对调。标准化后的变量值围绕 0上下波动，大于0说明高于平均水平，小于0说明低于平均水平。三、Decimal scaling 小数定标标准化这种方法通过移动数据的小数点位置来进行标准化。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 sealing 标准化到x的计算方法是：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 数定标标准化，我们用1000 （即，j=3）除以每个值，这样，-986被规范 化为 -0.986 。注意，标准化会对原始数据做出改变，因此需要保存所使用的标准 化方法的参数，以便对后续的数据进行统一的标准化。除了上面提到的数据标准化外还有 对数 Logistic 模式 、模糊量化模 式等等：对数Logistic模式：新数据=1/（ 1+e八（-原数据）模糊量