常见的数据标准化方法有以下6种：

1、Min-Max标准化

Min-Max标准化是指对原始数据进行线性变换，将值映射到[0,1]之间

2、Z-Score标准化

Z-Score(也叫Standard Score，标准分数)标准化是指：基于原始数据的均值(mean)和标准差(standard deviation)来进行数据的标准化。

3、小数定标(Decimal scaling)标准化

小数定标标准化是指：通过移动小数点的位置来进行数据的标准化。小数点移动的位数取决于原始数据中的最大绝对值。

4、均值归一化法

均值归一化是指：通过原始数据中的均值、最大值和最小值来进行数据的标准化

5、向量归一化

向量归一化是指：通过用原始数据中的每个值除以所有数据之和来进行数据的标准化

6、指数转换

指数转换是指：通过对原始数据的值进行相应的指数函数变换来进行数据的标准化。进行指数转换常见的函数方法有lg函数、Softmax函数和Sigmoid函数

实例1：实现数据的标准化

要对原始数据[1,2,3,4,5,6,7,8,9]进行标准化，代码如下：

"""

Author: Thinkgamer

Desc:

代码4-1 Python实现标准化方法

"""

import numpy as np

import math

class DataNorm:

def init(self):

self.arr = [1, 2, 3, 4, 5, 6, 7, 8, 9]

self.x_max = max(self.arr) # 最大值

self.x_min = min(self.arr) # 最小值

self.x_mean = sum(self.arr) / len(self.arr) # 平均值

self.x_std = np.std(self.arr) # 标准差

def Min_Max(self):

arr_ = list()

for x in self.arr:

# round(x,4) 对x保留4位小数

arr_.append(round((x - self.x_min) / (self.x_max - self.x_min), 4))

print("经过Min_Max标准化后的数据为:\n{}".format(arr_))

def Z_Score(self):

arr_ = list()

for x in self.arr:

arr_.append(round((x - self.x_mean) / self.x_std, 4))

print("经过Z_Score标准化后的数据为:\n{}".format(arr_))

# 有点问题，改为如下这样

# def DecimalScaling(self):

# arr_ = list()

# j = self.x_max // 10 if self.x_max % 10 == 0 else self.x_max // 10 + 1

# for x in self.arr:

# arr_.append(round(x / math.pow(10, j), 4))

# print("经过Decimal Scaling标准化后的数据为:\n{}".format(arr_))

def DecimalScaling(self):

arr_ = list()

j = 1

x_max = max([abs(one) for one in self.arr])

while x_max / 10 >= 1.0:

j += 1

x_max = x_max / 10

for x in self.arr:

arr_.append(round(x / math.pow(10, j), 4))

print("经过Decimal Scaling标准化后的数据为:\n{}".format(arr_))

def Mean(self):

arr_ = list()

for x in self.arr:

arr_.append(round((x - self.x_mean) / (self.x_max - self.x_min), 4))

print("经过均值标准化后的数据为:\n{}".format(arr_))

def Vector(self):

arr_ = list()

for x in self.arr:

arr_.append(round(x / sum(self.arr), 4))

print("经过向量标准化后的数据为:\n{}".format(arr_))

def exponential(self):

arr_1 = list()

for x in self.arr:

arr_1.append(round(math.log10(x) / math.log10(self.x_max), 4))

print("经过指数转换法(log10)标准化后的数据为;\n{}".format(arr_1))

arr_2 = list()

sum_e = sum([math.exp(one) for one in self.arr])

for x in self.arr:

arr_2.append(round(math.exp(x) / sum_e, 4))

print("经过指数转换法(SoftMax)标准化后的数据为;\n{}".format(arr_2))

arr_3 = list()

for x in self.arr:

arr_3.append(round(1 / (1 + math.exp(-x)), 4))

print("经过指数转换法(Sigmoid)标准化后的数据为;\n{}".format(arr_3))

if name == "main":

dn = DataNorm()

dn.Min_Max()

dn.Z_Score()

dn.DecimalScaling()

dn.Mean()

dn.Vector()

dn.exponential()

在实现数据标准化中，使用round函数来进行小数后数据位数的保留，如round(x,4)表示的是保留小数点后4位小数