数据的标准化处理及实际应用.doc

《数据的标准化处理及实际应用.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、数据的标准化处理及实际应用数据标准化处理是数据挖掘一项基础工作，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，各指标即处于同一数量级，适合进行综合对比评价。极差法极差法是对原始数据的线性变换，首先计算指标值得最小值、最大值，计算极差，通过极差法将指标值映射到[0-1]之间。公式为： 新数据=（原数据-极小值）/（极大值-极小值）Z-score 标准化法SPSS默认的数据标准化方法即是Z得分法

2、，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。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。公式为：其中μ为所有样本数据的均值，σ为所有样本数据的标准差。数据标准化的另外一个实用之处在实际应用中，数据标准化不只是用于指标的可比性处理，还有一些非常实用的用处，利用标准化方法将指标归到最适于我们观测的范围，更加直观。且看案例：有一组数据，是学生参加某次社会公益活动的数据，其中有一指标为：在校综合评价指数，反映学生在校综合表现水平。可以看出这个指标的范围为[0-14

3、0],但这个范围不太符合我们在学校里的习惯，在学校里经常用[0-100]的百分制，60分以上基本认可为及格，现在这个范围不能直观的反映学生在校表现水平。此时，极差法是一个非常好的选择，我们可以将[0-140]数值，映射到[0-100]，便于直观对比学生的表现。公式为：（原数据-极小值）/（极大值-极小值）*100我们再来看看结果：此时，[0-100]的范围非常符合我们日常的比较标准，能直观的反映学生的在校综合表现，已经达到目的。