标准归一化和最大最小归一化区别_最大值归一化处理

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