数据处理 |
您所在的位置:网站首页 › spss数据一致化处理 › 数据处理 |
数据处理——常见标准化方法总结
毕业论文
https://www.spsspro.com/ · 3937浏览 · 2022-04-01 07:22
举报
为了消除不同评价指标之间存在的差异,统一比较的标准,就需要对数据进行标准化处理
一、为什么要做数据的标准化处理?
通常我们分析的数据指标不是单一的,往往是由多个评价指标构成的,而这些评价指标往往具有不同的属性、数量级和单位,这导致我们无法对不同的指标进行比较、加权、求和等种种后续操作。 假设各个指标之间的水平相差很大,此时直接使用原始指标进行分析时,数值较大的指标,在评价模型中的绝对作用就会显得较为突出和重要,而数值较小的指标,其作用则可能就会显得微不足道。 因此,为了消除不同评价指标之间存在的差异,统一比较的标准,就需要对数据进行标准化处理,消除不同指标之间因属性不同而带来的影响,从而使结果更具有可比性。 二、什么是数据的标准化?通过一定的数学变换方式,将原始数据按照一定的比例进行转换,使之落入到一个小的特定区间内,例如[0,1]或[-1,1]的区间内,消除不同变量之间性质、量纲、数量级等特征属性的差异,将其转化为一个无量纲的相对数值,也就是标准化数值,使各指标的数值都处于同一个数量级别上,从而便于不同单位或数量级的指标能够进行综合分析和比较。 三、常用的数据标准化方法1、min-max标准化 对原始数据进行线性变换,无论原始数据是正值还是负值,结果都会落到[0,1]区间。并且正负指标均可转化为正向指标,作用方向一致。但是如果有新数据加入,就可能会导致最大值和最小值发生变化,就需要进行重新定义,并重新计算。 2、z-score 标准化 适用于当某个指标的最大值和最小值未知时,或者有超出取值范围的离群数值时。 处理后的数据符合均值为0,标准差为1的标准正态分布,围绕0上下波动,大于0说明高于平均水平,小于0说明低于平均水平。 3、归一化 对正数进行变换,使结果落到[0,1]区间,其将数值的绝对值变成相对值关系 4、中心化 让数据变成平均值为0的一组数据 四、工具实现以上提到的几种数据标准化处理的方法,在spsspro中的【数据处理】->【数据标准化】都有提供,如图所示: 0 人收藏 0 人喜欢 分享至:相关推荐 默认标签 数据分析达人 SPSSPRO数据分析课程强势上线!学完可拿证数据分析师认证学习与考核方案 会员专题 SPSSPRO · 65浏览 · 03-14 04:19 2024年第三届全国大学生数据分析科普竞赛纸质证书免费领无需邀请好友,全国大学生数据分析知识科普竞赛纸质证书免费包邮寄送! 撰写小红书及知乎文章,推广第二届全国大学生数据分析科 知识竞赛 原创 · 1042浏览 · 03-06 03:28 2024年第三届全国大学生数据分析科普竞赛系列活动——协办单位招募- 知识竞赛 原创 · 652浏览 · 03-01 08:39 0 条评论 某人 好友 可输入 255 字 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |