机器学习——最大最小归一化

问：写出最小最大归一化公式,并对以下数据集进行最小最大归一化。
x={6.3,9.2,-0.8,0.2,3.6}
答：

x_{min}=-0.8

x_{max}=9.2

将每个数据点应用最小最大归一化公式：

$x'_1={6.3-(-0.8)}/{9.2-(-0.8)}=0.71

$x'_2={9.2-(-0.8)}/{9.2-(-0.8)}=1.0

$x'_3={-0.8-(-0.8)}/{9.2-(-0.8)}=0

$x'_4={0.2-(-0.8)}/{9.2-(-0.8)}=0.1

$x'_5={3.6-(-0.8)}/{9.2-(-0.8)}=0.44

归一化定义:

• 归一化（Normalization）: 将一列数据变化到某个固定区间（范围）中， 通常 这个区间是[0,1],广义的讲， 可以是各种区间， 比如映射到[0,1] 也可以映射到其他范围，在图像中可能会映射到[0, 255], 其他情况也有可能映射到[-1,1];
• 最大值最小值的归一化,范围[0,1]

• 均值归一化（Mean normalization）, 范围[-1,1]

为什么要对数据进行归一化处理？

归一化化就是要把你需要处理的数据经过处理后(通过某种算法)限制在你需要的一定范围内。

首先归一化是为了后面数据处理的方便，其次是保正程序运行时收敛加快。