规格化就是将一个属性取值范围投射到一个特定范围之内，以消除数值型属 性因大小不一而造成挖掘结果的偏差。规划化处理常常用于神经网络、基于距离 计算的最近邻分类和聚类挖掘的数据预处理。对于神经网络，采用规格化后的数 据不仅有助于确保学习结果的正确性，而且也会帮助提高学习的速度。对于基于 距离计算的挖掘，规格化方法可以帮助消除因属性取值范围不同而影响挖掘结果 的公正性。介绍三种规格化方法
- <a href="http://www.jianshu.com/p/f59c051551e1">最大最小规格化方法</a>
- <a href="http://www.jianshu.com/p/92318a6c3a65">零均值规格化方法</a>
- <a href="http://www.jianshu.com/p/890c36ff8f34">十基数变换规格化方法</a>
零均值规格化方法
- 该方法是根据属性 的<b>均值和偏差</b>来对进行规格化。
属性 的 值可以通过以下计算公式获得其映射值v'
零均值规格化方法.png
<b>其中的 和σ 分别为属性 的 均值 和 方差。
这种规格化方法常用于属性最大值与最小值未知;或使用最大最小规格化方法时会出现异常数据的情况。</b>
- 示例
假设属性income的均值与方差分别我饿54,000元和16,000元，使用零均值规格化方法将73,000元的属性income值映射为
( 73,000 − 54,000 ) / 16,000 = 1.225
- 代码实现
待续......
