数据的标准化的两种方法

为什么要进行标准化

我们画热图，线性回归，神经网络等经常要先对数据进行标准化。那是因为一些变量值的大小之间属于不同的量级水平，比如10000左右的变量和100左右的变量,那么在绘制热图或者进行机器学习的时候，由于这个10000存在，100这个水平的变量的变化或者样本差异就会变得微不足道，在热图上显现不出来，或在机器学习训练的时候没有起到作用。因此我们要把不同的变量标准化，让他们处于一个同一个量级水平。

标准化的方法

比较常见的包括两种,zscore标准化和01标准化。

1. zscore标准化，每一种变量的值都有减去该变量的均值，再除以改变量的方差。实际上就是求出正态分布的zscore，这样得到标准化的值是存在正负的。
2. 01标准化，每一种变量的值减去该变量的最小值，再除以改变量最大值与最小值的差，这样得到的标准化的数值是在0和1之间。

代码实现

R语言代码实现

# 注意，这里输入x是数字的矩阵，或者数字的data.frame
# 01标准化
  scale01 <- function(x, low = min(x), high = max(x)) {
    x = (x - low)/(high - low)
    x
  }
# zscore标准化
   # 每一列进行标准化
   scale <- function(x){
     colMeans = rm = colMeans(x, na.rm = T)
     x = sweep(x, 2, rm)
     colSDs = sx = apply(x, 2, sd, na.rm = T)
     x = sweep(x, 2, sx, "/")
     return(x)
 }

   # 每一行进行标准化
  scale <- function(x){
    rm = rowMeans(x, na.rm = T)
    x = sweep(x, 1, rm)
    sx = apply(x, 1, sd, na.rm = T)
    x = sweep(x, 1, sx, "/")
    return(x)
 }

原文出处
thecodesearch.com: http://www.thecodesearch.com/2020/08/18/%e6%95%b0%e6%8d%ae%e7%9a%84%e6%a0%87%e5%87%86%e5%8c%96%e7%9a%84%e4%b8%a4%e7%a7%8d%e6%96%b9%e6%b3%95/