資料歸一化：不同評價指標往往具有不同的量綱和量綱單位，這樣的情況會影響到資料分析的結果，為了消除指標之間的量綱影響，需要進行資料歸一化處理，以解決資料指標之間的可比性。原始資料經過資料歸一化處理後，各指標處於同一數量級，適合進行綜合對比評價。兩種常用的歸一化方法如下：
一、min-max標準化（min-max normalization）
原始資料的線性變換，使結果值對映到[0 - 1]之間。轉換函式如下：
x ∗=
x−mi
nmax
−min
x^*=\frac
x∗=max
−min
x−mi
n其中，max
maxma
x為樣本資料的最大值，min
minmi
n為樣本資料的最小值。這種方法的缺陷就是當有新資料加入時，可能導致max
maxma
x和mi
nmin
min的變化，需要重新定義；
二、z-score標準化方法
這種方法給予原始資料的均值（mean）和標準差（standard deviation）進行資料的標準化。經過處理的資料符合標準正態分佈，即均值為0，標準差為1，轉化函式為：
x ∗=
x−uσ
x^*=\frac
x∗=σx−
u其中u
uu為所有樣本資料的均值，σ
\sigma
σ為所有樣本資料的標準差。
參考文獻
資料歸一化和兩種常用的歸一化方法
資料標準化 歸一化 處理是資料探勘的一項基礎工作，不同評價指標往往具有不同的量綱和量綱單位，這樣的情況會影響到資料分析的結果，為了消除指標之間的量綱影響，需要進行資料標準化處理，以解決資料指標之間的可比性。原始資料經過資料標準化處理後，各指標處於同一數量級，適合進行綜合對比評價。以下是兩種常用的歸一...
資料歸一化和兩種常用的歸一化方法
資料標準化 歸一化 處理是資料探勘的一項基礎工作，不同評價指標往往具有不同的量綱和量綱單位，這樣的情況會影響到資料分析的結果，為了消除指標之間的量綱影響，需要進行資料標準化處理，以解決資料指標之間的可比性。原始資料經過資料標準化處理後，各指標處於同一數量級，適合進行綜合對比評價。以下是兩種常用的歸一...
資料歸一化和兩種常用的歸一化方法
資料標準化 歸一化 處理是資料探勘的一項基礎工作，不同評價指標往往具有不同的量綱和量綱單位，這樣的情況會影響到資料分析的結果，為了消除指標之間的量綱影響，需要進行資料標準化處理，以解決資料指標之間的可比性。原始資料經過資料標準化處理後，各指標處於同一數量級，適合進行綜合對比評價。以下是兩種常用的歸一...