題:
如何將數據標準化到0-1範圍？
Angelo
2013-09-23 20:18:57 UTC
view on stackexchange narkive permalink

我迷失了規範化，請問有人可以指導我。

我有一個最小值和最大值，分別是-23.89和7.54990767。

如果我有一個值5.6878如何將這個值縮放為0到1。

這是=（value-min）/（max-min）的方式嗎
它可以幫助您閱讀以下主題：[how-to-verify-a-distribution-is-normalized]（http://stats.stackexchange.com/questions/70553/）。如果這樣可以回答您的問題，則可以刪除此問題；如果不是，請編輯您的Q以指定您仍然不了解的內容。
保護說明：這個問題吸引了僅包含代碼解決方案的額外答案。儘管這些對於某些讀者來說可能很有趣或有用，但是CV並不是提供代碼解決方案的存儲庫。
提供的解決方案考慮了*線性*對比值-您是否要進行另一種歸一化，例如獲得統一概率的輸出？
八 答案:
user25658
2013-09-23 21:03:28 UTC
view on stackexchange narkive permalink

如果要標準化數據，可以按照建議進行操作，只需計算以下內容即可：

$$ z_i = \ frac {x_i- \ min（x）} {\ max（x）-\ min（x）} $$ span>

其中 $ x =（x_1 ,. ..，x_n）$ span>和 $ z_i $ span>現在是您的 $ i ^ {th} $ 跨度>標準化數據。作為概念證明（儘管您並沒有要求），下面是一些 R 代碼和隨附的圖形來說明這一點：

enter image description here 

 ＃示例Datax = sample（-100：100，50）#Normalized Datanormalized =（x-min（x））/（max（x）-min（x） ）＃示例數據和規範化數據的直方圖par（mfrow = c（1,2））hist（x，breaks = 10，xlab =“ Data”，col =“ lightblue”，main =“”）hist（規範化，breaks = 10，xlab =“標準化數據”，col =“ lightblue”，main =“”）
我只想知道兩個看上去截然不同的直方圖如何“說明”（正確）答案的要點？
@ttnphns它們的區別僅在於直方圖的合併。但是，我的觀點是要表明原始值在-100到100之間，現在歸一化後它們在0和1之間。
@ttnphns的輕描淡寫的目的是鼓勵您不僅使用簡單的方法來說明（簡單的）想法，而且（我懷疑）是暗示在此使用更直接相關的說明可能會有所幫助。通過將變換應用於O.P實際提供的最小值和最大值，可以找到一種更簡單的方法來繪製變換圖，從而實現上述兩種目的。
還有其他功能可以在不使用max＆min的情況下幫助標準化/縮放值嗎？
您能在這裡比較您的標準化嗎？https://se.mathworks.com/matlabcentral/answers/154075-how-to-scale-normalize-values-in-a-matrix-to-be-between-1-and-1
有沒有一種方法可以“標準化”自定義範圍而不是0-1？
@JohnDemetriou可能不是最乾淨的解決方案，但是您可以縮放歸一化的值來做到這一點。例如，如果您想要範圍為0-100，則只需將每個數字乘以100。如果您想要的範圍不是以0開頭（例如10-100），則可以通過按MAX-MIN縮放，然後縮放為只需加上MIN就可以從中獲得值。因此將其縮放90，然後添加10。對於您可能想要的大多數自定義範圍來說，這應該足夠了。
要在``numpy''中的多維數據上使用，請使用``normalized =（x-x.min（））/（x.max（）-x.min（））''
該函數的名稱是什麼？我想了解一下這種方法。
如果最小值和最大值相等，會發生什麼？歸一化的結果是什麼？
ttnphns
2013-09-23 21:13:43 UTC
view on stackexchange narkive permalink

一般的單行公式，用於將已觀察到的 min 和 max 的數據值線性重新縮放到新的任意範圍 min'至 max'是

  newvalue =（max'-min'）/（max-min）*（value-max）+ max'或newvalue =（max'-min '）/（最大-最小）*（值-最小）+最小'。
這是正確的，但效率不高。這是一個線性變換，因此您將預先計算`a`和`b`常量，然後僅應用`newvalue = a * value + b`。 'a =（max'-min'）/（max-min）`和`b = max-a * max`
你知道如何引用嗎？我的意思是，某處是否有“原始”參考？
@MarkLakata輕微（典型值）校正：`b = max'-a * max`或`b = min'-（a * min）`
@Nick-是的。我想念一個'
您能在這裡比較您的標準化嗎？https://se.mathworks.com/matlabcentral/answers/154075-how-to-scale-normalize-values-in-a-matrix-to-be-between-1-and-1即方程'u = -1 + 2。*（u-min（u））./（max（u）-min（u））;`。
jankal
2015-05-27 13:22:58 UTC
view on stackexchange narkive permalink

這是我用於規範化的PHP實現：

  function normalize（$ value，$ min，$ max）{$ normalized =（$ value-$ min）/（$ max-$分鐘）； return $ normalized;}

但是當我構建自己的人工神經網絡時，我需要將規範化的輸出轉換回原始數據，以獲得圖形的良好可讀性輸出。

 函數denormalize（$ normalized，$ min，$ max）{$ denormalized =（$ normalized *（$ max-$ min）+ $ min）; return $ denormalized;} $ int = 12; $ max = 20; $ min = 10; $ normalized = normalize（$ int，$ min，$ max）; // 0.2 $ denormalized = denormalize（$ normalized，$ min，$ max）; // 12

反規範化使用以下公式：

$ x（\ text {max}-\ text {min}）+ \ text {min} $

此答案與已接受的答案之間存在重要區別。這清楚，直接地解釋了主要思想，然後其次展示瞭如何在一個常用程序中做到這一點。相反，您僅在此處發布代碼。儘管我很高興在此論壇上認為這是不錯的代碼（我不寫PHP），但對於每個問題，通常都沒有一堆答案來解釋如何使用每種可能的語言來實現。否則，我們將在SAS，SPSS，Stata，MATLAB，C，C ++，C＃，Java中得到答案。Python等
我不認為這是唯一的區別。在我的代碼中，我還展示瞭如何將歸一化的值返回到歸一化之前的值。我認為，這值得這個答案。
仍然只發布代碼是正確的：我認為您需要在註釋中強調代碼的任何所謂特殊之處，否則讀者必須閱讀代碼以查看其含義。假定僅當（a）原始值已被覆蓋，但（b）用戶謹慎記住要保存最小值和最大值時，才可以使用縮放比例反轉。如上所述，我的更廣泛的觀點是CV並非旨在成為代碼示例的存儲庫。
有一些問題，您需要在其中還原值： 例如神經網絡... 但是你是對的，以數據分析的方式，這個答案是非常糟糕的。
-1
@Karl Morrison您可以並且應該對此進行投票。但是在這裡，僅代碼答案嚴格地保持話題外。
rodrigo-silveira
2017-10-04 18:32:55 UTC
view on stackexchange narkive permalink

除以零

要記住的一件事是， max-min 可以等於零。在這種情況下，您不想執行該劃分。

這種情況將在您要規範化的列表中的所有值都相同時發生。為了規範化這樣的列表，每個項目應為 1 /長度。

  // JavaScript
函數normalize（list）{
   var minMax = list.reduce（（acc，value）= > {
      if（值< acc.min）{
         acc.min =值；
      }

      if（值> acc.max）{
         acc.max =值;
      }

      返回acc；
   }，{最小：Number.POSITIVE_INFINITY，最大：Number.NEGATIVE_INFINITY}）；

   返回list.map（value = > {
      //確認您不會被零除
      如果（minMax.max === minMax.min）{
         返回1 / list.length
      }

      var diff = minMax.max-minMax.min;
      返回（值-minMax.min）/差異;
   }）;
}

示例：

  normalize（[3，3，3，3]）; //輸出= > [0.25、0.25、0.25、0.25]
這是重新縮放為總和1，而不是范圍0-1。因此，我只是認為答案是題外話。
不是這樣normalize（[12，20，10]）輸出`[0.2，1.0，0.0]`，這與使用（val-min）/（max-min）會得到相同。
@rodrigo-silveira我看不到為什麼全部0.25輸出。全部不是0.5更好嗎？所有項目均相等，因此應保持在間隔的中心。
如果變量是一個常數，則它既不會用作結果，也不會用作預測變量。無論哪種方式，您都不想對其進行標準化。我想這裡的主要信息是“當心試圖標準化每個可見變量，因為這種情況下您的代碼將給出令人困惑的結果，甚至失敗而沒有陷阱”，
前面的“將”應為“可能”。
Lui Kimman
2015-05-22 15:58:03 UTC
view on stackexchange narkive permalink

嘗試一下。它與函數 scale 

 歸一化<-函數（x）{x <- as.matrix（x）minAttr = apply（x，2，min ）maxAttr = apply（x，2，max）x <-掃描（x，2，minAttr，FUN =“-”）x = sweep（x，2，maxAttr-minAttr，“ /”）attr（x，'歸一化：min'）= minAttr attr（x，'normalized：max'）= maxAttr return（x）}
此答案與已接受的答案之間存在重要區別。這清楚，直接地解釋了主要思想，然後其次展示瞭如何在一個常用程序中進行操作。相反，您僅在此處發布代碼。儘管我很高興在此論壇上認為這是不錯的代碼（使用某些無法解釋的語言），但對於每個問題，我們通常都沒有一堆答案來解釋如何使用每種可能的語言來實現。否則，我們將在SAS，SPSS，Stata，MATLAB，C，C ++，C＃，Java中得到答案。Python等
parvij
2013-09-25 17:00:02 UTC
view on stackexchange narkive permalink

答案是正確的，但我有一個建議，如果您的訓練數據遇到超出範圍的數字，您可以使用擠壓技術。它將保證永遠不會超出範圍。而不是這個

enter image description here

我建議使用此

enter image description here

，以最小和最大範圍

enter image description here

，並且預期範圍外間隙的大小與將存在範圍外值的置信度成正比。 / p>

有關更多信息，您可以穀歌：壓制超出範圍的數字，並參閱“ dorian pyle”的數據準備書

請編輯您的答案以使用大寫字母。一致的小寫字母可能看起來很有趣或有效，但是幾乎每個人都很難閱讀。
插圖無法充分傳達您的答案。什麼是“壓榨技術”？
Saeed
2020-03-18 15:36:47 UTC
view on stackexchange narkive permalink

這是我的 Python 實現，用於使用 padas 庫進行規範化：

Mean規範化： 

  normalized_df =（df-df.mean（））/ df.std（）

Min-Max歸一化： 

  normalized_df =（df-df.min（））/（df.max（）-df.min（））
Yossi Levy
2020-05-16 11:59:46 UTC
view on stackexchange narkive permalink

選擇一個累積概率分佈F。然後，對於每個x，F（x）在0和1之間。

正確但不能回答問題。實際上，大多數經驗CDF方法都會將數據1、2、3、4、5映射為0.2（0.2）1或可能為0（0.2）0.8或僅可能為0.1（0.2）0.9，因此您很難理解為了證明這一點，甚至是對這個問題的一個傾斜的答案，在這個問題上應該達到極限0和1。


ⓘ
該問答將自動從英語翻譯而來。原始內容可在stackexchange上找到，我們感謝它分發的cc by-sa 3.0許可。
Loading...