数据标准化是 企业或组织对数据的定义、组织、监督和保护进行标准化的过程。数据标准化分来自为开发(D)、候选没(C)、批准(360百科A)驳回(R)、归档(X)几个过程。
数据标准化的分类有Min-max 标准化和z-score 标准化。
评车陈括价是现代社会各领域的一项经常性的工作,是科学做出管理决策的重要依来自据。随着人们研究领360百科域的不断扩大,所面临的评价对象日趋复杂,如果仅依据单一指标对事物进行评价往往不尽合理,必须全面地从整体的角度考虑问题,多指标综合评价方法应运而生。所谓多指标综合评价方法,就是把描述评价对象不同方面的多个指标的信息试器推盟给综合起来,并得到一个综合指标,由此对评价对象做一个整体上的评判,并进行横向或汉太帮爱单衣发纵向比较。
而在多指标评价体系中,由于各评价指标的性质不同,通常具有不同的量纲和数量级。当各指功干做督振紧标间的水平相差很大时,如果直接用原始指标值进行分析,就会突出数值较高的指标在综合分析中的作用,相对削弱数值水平较低指标的作用。因此,为了保证结果的可靠性孙原作确钟坐展,需要对原始指标数据进行标慢唱表造还多战米即准化处理。目前数据标准化方法有多种,归结起来可以分为呢求斗直线型方法(如极值法、标准差法)、折线型方法(如欢么沿洋再迫古多鸡米另三折线法)、曲线型方法(如半正态性分布)。不同的标准化方法,对系统的评价结果古银斤树点路总会产生不同的影响,然而不幸的是,在数据标准化方法的选择上,还没有通用的法则可以遵严终临燃与收循。
在数据分析之前,我相弦散试显任夜亚虽案识们通常需要先将数据料除款案标准化(normalization),利用标准化香攻相副少士使群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责同性质数据问题,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刚副经改排液树结果,须先考虑改变逆指标数据性质,使所有指标对测评方案还异重协测的作用力同趋化,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适呢白交美按专日多种,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。
众十及采液 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-最小值)/(最大值-最小值)
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:
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;xij为实际变量值。
3.将逆指标前的正负号对调。
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 scaling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,我们用每个值除以1000(即,j=3),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^(-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