1,标准归一化。 将原始数据集归一化为均值为0、方差1的数据集,归一化公式如下:
x∗=x−μδ x ∗ = x − μ δ
x^*=\frac{x-\mu}{\delta} 其中 μ μ \mu为所有样本数据的均值, δ δ \delta为所有样本数据的标准差。
2,最大最小归一化。 将原始数据线性化的方法转换到[0 1]的范围,归一化公式如下:
x∗=x−xminxmax−xmin x ∗ = x − x m i n x m a x − x m i n
x^*=\frac{x-x_{min}}{x_{max}-x_{min}} 其中 xmax x m a x x_{max}为样本数据的最大值, xmin x m i n x_{min}为样本数据的最小值。这种方法有个缺陷就是当有新数据加入时,可能导致 xmax x m a x x_{max}和 xmin x m i n x_{min}的变化,需要重新定义。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/183125.html原文链接:https://javaforall.cn