标准化、中心化、归一化的概念内涵 在统计分析、数据挖掘过程中,经常性的接触到数据的标准化处理、数据中心化处理,还有数据归一化处理,那么它们各自是什么意思?如何通过 SPSS 软件实现呢?首先,我来认识这几个概念的英文名称。
u标准化(Standardization或Normalization)
u中心化(Zero-centered或者Mean-subtraction(subtraction表示减去))【又叫零均值化】
u归一化(normalization),也算是数据标准化方法之一
“三化”的意义、原理及目的
p意义:数据中心化和标准化在回归分析中是取消由于量纲不同、自身变异或者数值相差较大所引起的误差。
p原理:数据标准化:是指数值减去均值,再除以标准差;
p数据中心化:是指变量减去它的均值。
p目的:通过中心化和标准化处理,得到均值为 0,标准差为1的服从标准正态分布的数据。
问卷数据的标准化——SPSS操作
在调查问卷数据的分析研究中,数据来源不同,量纲及量纲单位不同,为了让它们具备可比性,需要采用标准化方法消除由此带来的偏差。原始数据经过数据标准化处理后,各指标处于同一数量级,适合进行综合对比评价。这就是数据标准化。
p基本原理:数值减去平均值,再除以其标准差,得到均值为0,标准差为1的服从标准正态分布的数据。
在 SPSS中,使用最多的就是Z-score标准化(0-1 标准化)方法,这种方法给予原始数据的均值(mean)和标准差(standarddeviation)进行数据的标准化。经过处理的数据符合标准正态分布,即均值为0,标准差为1。
问卷数据的中心化——SPSS操作
数据的中心化是指原数据减去该组数据的平均值,经过中心化处理后,原数据的坐标平移至中心点(0,0),该组数据的均值变为0,因此,这个操作过程也被称为零均值化。
问卷数据的归一化方法——SPSS操作
归一化方法:把数变为(0,1)之间的小数,主要是为了数据处理方便提出来的,把数据映射到0~1 范围之内处理,更加便捷快速把有量纲表达式变为无量纲表达式。
归一化是一种简化计算的方式,即将有量纲的表达式,经过变换,化为无量纲的表达式,成为纯量。
归一化,也算是数据标准化方法之一。常见的计算公式如下,得到新数据范围在[0,1]之间,归一化由此得名。