歸一化後和標準化後資料到底發生了什麼變化？

原資料：

一、歸一化

1 df['

b']=(df['
a']-1)/(6-1)
2 sns.kdeplot(df['b'
])3 plt.xlim(-2,10)
4plt.show()
5 df['
b'].describe()

1 count    9.000000

2 mean     0.422222
3 std      0.323179
4 min      0.000000
5 25%      0.200000
6 50%      0.400000
7 75%      0.600000
8 max      1.000000
9 name: b, dtype: float64

二、標準化

標準化後均值為0，方差為1.

df['

b']=(df['
a']-3.1111)/1.615893sns.kdeplot(df['b
'])plt.xlim(-6,10)
plt.show()
df['
b'].describe()

1 count    9.000000

2 mean     0.000007
3 std      1.000000
4 min     -1.306460
5 25%     -0.687607
6 50%     -0.068755
7 75%      0.550098
8 max      1.787804
9 name: b, dtype: float64

三、總結

從上述歸一化和標準化可以看出來，轉換後資料的均值和方差都發生了改變：

1）均值發生改變可以理解為資料的座標都進行了平移轉換，均值其實也是隨之一樣轉換。

2）方差的改變是因為資料都壓縮在了更小的範圍內了，所以方差都變小了。

3）通過畫圖去掉xlim的限制，我們可以看出轉換後的圖的形狀跟原圖的形狀是一樣的，也就是圖的形狀本質上沒變，只是壓縮在更小的空間範圍內，從同一xlim範圍看是變瘦了。

資料標準化（歸一化）

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...

資料標準化 歸一化

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...

資料標準化 歸一化

公式 x x x frac x x 公式 x x xm inxm ax x mi nx frac x x xma x x min x xm in 公式 x x xm ax x frac x xm ax x 注 該方法用於稀疏資料。公式 x x xm edia niqr x frac x iqr x ...