数据规范化算法描述

数据规范化是指对原始数据进行处理,将数据映射到一个统一区间(如0-1),目的是消除量纲不同和数据范围不同对算法的影响

Min-max标准化

,
它通过线性转换将每行的数据映射到一个定范围(如0-1)内。在不涉及距离度量、协方差计算、数据不符合正态分布（高斯分布）的时候，可以使用该方法。比如图像处理中，将RGB图像转换为灰度图像后将其值限定在[0, 255]的范围。

Z-score标准化

μ指变量均值，σ指变量标准差，数据范围在实数内，Z-score将每行的数据标准化，数据的均值为0,方差为1,可以去除不同因子量纲的影响。

Mean标准化

Mean按行方向的标准化数据，数据将全部位于-1到1之间。

Center中心化

每行通过减去（该行）均值来中心化数据,避免了范围和方差的影响。该方法与标准化的区别就是中心化的目的是增加基向量的正交性，标准化的目的是消除特征之间的差异性。

Pareto标准化

σ标准差的平方根。按行操作数据，它可以消除负值的影响。

对数转换

将数据取对数,可以使用log函数。对数据进行对数转换,可以使数据范围更加紧凑。

相对丰度标准化

按列总和标准化后数据全部位于0到1之间。