Как нормализовать данные между 0 и 1

Чтобы нормализовать значения в наборе данных от 0 до 1, вы можете использовать следующую формулу:

z _i = (x _i – min(x)) / (max(x) – min(x))

Золото:

• z _i : ^i-е нормализованное значение в наборе данных
• x _i : ^i-е значение набора данных
• min(x) : минимальное значение в наборе данных.
• max(x): максимальное значение в наборе данных.

Например, предположим, что у нас есть следующий набор данных:

Минимальное значение в наборе данных — 13, а максимальное — 71.

Чтобы нормализовать первое значение 13 , мы бы применили ранее использованную формулу:

• z _i = (x _i – min(x)) / (max(x) – min(x)) = (13 – 13) / (71 – 13) = 0

Чтобы нормализовать второе значение 16 , мы будем использовать ту же формулу:

• z _i = (x _i – min(x)) / (max(x) – min(x)) = (16 – 13) / (71 – 13) = 0,0517

Чтобы нормализовать третье значение 19 , мы будем использовать ту же формулу:

• z _i = (x _i – min(x)) / (max(x) – min(x)) = (19 – 13) / (71 – 13) = 0,1034

Мы можем использовать ту же самую формулу для нормализации каждого значения в исходном наборе данных между 0 и 1:

Используя этот метод нормализации, следующие утверждения всегда будут истинными:

• Нормализованное значение минимального значения в наборе данных всегда будет равно 0.
• Нормализованное значение максимального значения в наборе данных всегда будет равно 1.
• Нормализованные значения для всех остальных значений в наборе данных будут находиться в диапазоне от 0 до 1.

Когда нормализовать данные

Часто мы стандартизируем переменные, когда проводим какой-либо анализ, в котором у нас есть несколько переменных, измеренных в разных масштабах, и мы хотим, чтобы каждая из переменных имела один и тот же диапазон.

Это предотвращает неправомерное влияние одной переменной, особенно если она измеряется в разных единицах измерения (т. е. если одна переменная измеряется в дюймах, а другая в ярдах).

Также стоит отметить, что в этом уроке мы использовали метод, известный как нормализация min-max, для нормализации значений данных.

Два наиболее распространенных метода нормализации:

1. Нормализация Min-Max

• Цель: Преобразует каждое значение данных в значение от 0 до 100.
• Формула: Новое значение = (значение – мин) / (макс – мин) * 100

2. Нормализация средней

• Цель: Масштабирует значения таким образом, чтобы среднее значение всех значений было равно 0 и стандартному. разработчик это 1.
• Формула: Новое значение = (значение – среднее) / (стандартное отклонение)

Дополнительные ресурсы

В следующих руководствах объясняется, как нормализовать данные с помощью различного статистического программного обеспечения:

Как нормализовать данные в Excel
Как нормализовать данные в R
Как нормализовать столбцы в Python