数据标准化处理方法.docx

数据标准化处理方法在数据分析之前,我们通常需要先将数据标准化(normalization),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景纲化处理两个方面。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。数据无景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“最小一最大标准化”、2-score标准化”和“按小数定标标准化”等。经过上述标准化处理,原始数据均转换为无景纲化指标测评值,即各指标值都处于同一个数景级别上, 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(standarddeviation)进行数据的标准化。将A的原始值x使用z-score标准化到x'oz-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。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:求出各变景(指标)的算术平均值(数学期望) xi和标准差si;进行标准化处理:zij=(xij—xi)/si其中:zij为标准化后的变景值;刈为实际变景值。将逆指标前的正负号对调。标准化后的变景值围绕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、Decimalscaling小数定标标准化这种方法通过