kuinka normalisoida tiedot välillä 0 ja 100
normalisoidaksesi arvot aineistossa, jotka ovat välillä 0 ja 100, Voit käyttää seuraavaa kaavaa:
zi = (xi-min (x)) / (max (x) – min (x)) * 100
jossa:
- zi: tietojoukon i: nnen normalisoitu arvo
- xi: tietojoukon i: nnen arvo
- min (x): tietojoukon pienin arvo
- max (x): tietojoukon suurin arvo
esimerkiksi oletetaan, että meillä on seuraava tietojoukko:
aineiston vähimmäisarvo on 12 ja enimmäisarvo 68.
ensimmäisen arvon 12 normalisoimiseksi sovellettaisiin aiemmin jaettua kaavaa:
- zi = (xi-min (x)) / (max (x) – min (x)) * 100 = (12 – 12) / (68 – 12) * 100 = 0
normalisoidaksemme toisen arvon 19, käyttäisimme samaa kaavaa:
- zi = (xi-min (x)) / (max (x) – min (x)) * 100 = (19 – 12) / (68 – 12) * 100 = 12.5
normalisoidaksemme kolmannen arvon 21, käyttäisimme samaa kaavaa:
- zi = (xi-min (x)) / (max (x) – min (x)) * 100 = (21 – 12) / (68 – 12) * 100 = 16.07
Voimme käyttää tätä täsmälleen samaa kaavaa normalisoida kunkin arvon alkuperäisen aineiston olla välillä 0 ja 100:
kuinka normalisoida tietoja minkä tahansa alueen välillä
voimme itse asiassa käyttää tätä kaavaa normalisoimaan tietojoukon välillä 0 ja mikä tahansa numero:
zi = (xi-min (x)) / (max(x) – min (x)) * Q
jossa Q on suurin määrä, jonka haluat normalisoiduille tietoarvoille.
edellisessä esimerkissä valitsimme Q: n olevan yhtä suuri kuin 100, mutta voisimme helposti normalisoida alueen tietoarvoja välillä 0 ja 1000 valitsemalla Q: n arvoksi 1000:
normalisoidaksemme ensimmäisen arvon 12, soveltaisimme kaavaa:
- zi = (xi-min (x)) / (max (x) – min (x)) * 1,000 = (12 – 12) / (68 – 12) * 100 = 0
normalisoidaksemme toisen arvon 19, käyttäisimme samaa kaavaa:
- zi = (xi-min (x)) / (max (x) – min (x)) * 1,000 = (19 – 12) / (68 – 12) * 100 = 125
normalisoidaksemme kolmannen arvon 21, käyttäisimme samaa kaavaa:
- zi = (xi-min (x)) / (max (x) – min (x)) * 1,000 = (21 – 12) / (68 – 12) * 100 = 160.7
Voimme käyttää tätä täsmälleen samaa kaavaa normalisoidaksemme jokaisen alkuperäisen aineiston arvon välille 0 ja 1,000:
When to Normalize Data
sometimes we normalize variabilities when performing Data
sometimes we normalize variabilities when performing some analysis in which we have multiple variabilities that are mitattuna on different scale and we want each of the variabilities to have the same range.
tämä estää yhtä muuttujaa vaikuttamasta liikaa, varsinkin jos se mitataan eri yksiköissä (eli jos yksi muuttuja mitataan tuumina ja toinen jaardeina).
on myös syytä huomata, että käytimme min-max normalisointi-nimistä menetelmää tässä tutoriaalissa tietojen arvojen normalisoimiseksi.
kaksi yleisintä normalisointimenetelmää ovat seuraavat:
1. Min-Max normalisointi
- tavoite: muuntaa jokaisen tietoarvon arvoksi välillä 0 ja 100.
- kaava: Uusi arvo = (arvo-min) / (max-min) * 100
2. Keskiarvo normalisointi
- tavoite: asteikot sellaiset, että kaikkien arvojen keskiarvo on 0 ja std. dev. NT 1.
- kaava: Uusi arvo = (arvo – keskiarvo) / (keskihajonta)