样本特征数据标准化

样本特征数据的标准化（Feature Scaling 或 Standardization）是数据预处理的关键步骤之一，尤其在线性回归、逻辑回归、神经网络、支持向量机等依赖距离度量的算法中至关重要。

标准化可以通过多种方法实现，最常用的是 Z-Score 标准化 和归一化（Min-Max Scaling）。

1. Z-Score 标准化 (Standardization)

Z-Score 标准化将数据转换为均值为 0、标准差为 1 的分布。它假设数据服从或近似服从正态分布。

公式：

Xnew=X−μσcap X sub n e w end-sub equals the fraction with numerator cap X minus mu and denominator sigma end-fraction

𝑋𝑛𝑒𝑤=𝑋−𝜇𝜎

其中：

• 

  Xcap X

  𝑋
  是原始特征值。
• 

  μmu

  𝜇
  （mu）是该特征的均值。
• 

  σsigma

  𝜎
  （sigma）是该特征的标准差。 

特点及适用场景： 

• 特点：经过标准化后，数据的范围不再固定（理论上可以从负无穷大到正无穷大，但绝大部分落在 [-3, 3] 之间）。它保留了数据的原始分布形状。
• 适用算法：非常适合依赖距离度量的算法，如 KNN、K-Means、以及所有基于梯度的优化算法（如线性回归、逻辑回归、神经网络）。
• 对异常值敏感：均值和标准差都受异常值影响较大，因此标准化也受影响。 

2. 归一化 (Min-Max Scaling) 

归一化将数据缩放到一个固定的特定范围内，通常是

[0,1]open bracket 0 comma 1 close bracket

[0,1]

或

[-1,1]open bracket negative 1 comma 1 close bracket

[−1,1]

。 

公式（缩放到 [0] 范围）：

Xnew=X−XminXmax−Xmincap X sub n e w end-sub equals the fraction with numerator cap X minus cap X sub m i n end-sub and denominator cap X sub m a x end-sub minus cap X sub m i n end-sub end-fraction

𝑋𝑛𝑒𝑤=𝑋−𝑋𝑚𝑖𝑛𝑋𝑚𝑎𝑥−𝑋𝑚𝑖𝑛

其中： 

• 

  Xmincap X sub m i n end-sub

  𝑋𝑚𝑖𝑛
  是该特征的最小值。
• 

  Xmaxcap X sub m a x end-sub

  𝑋𝑚𝑎𝑥
  是该特征的最大值。 

特点及适用场景： 

• 特点：将所有数据压缩到固定区间，消除了量纲（单位）的影响。
• 适用算法：在神经网络中常用于将输入值缩放到激活函数的敏感区域（如 Sigmoid 函数的 [0] 范围）。也适用于需要明确范围的算法。
• 对异常值非常敏感：数据的最大值和最小值会严重影响缩放结果。如果存在一个极端异常值，大部分数据将被压缩在一个很小的范围内。 

3. 何时使用标准化？ 

以下是需要进行特征标准化的主要原因： 

• 消除量纲影响：不同特征可能具有不同的单位和数量级（例如，房屋面积通常是几百平方米，而房间数量是个位数）。标准化使得所有特征在同一尺度上，避免数量级大的特征主导模型。
• 加速模型收敛：在线性回归、逻辑回归和神经网络中使用梯度下降算法时，标准化后的数据能使损失函数的等高线更接近圆形，从而让优化器更快地找到最小值（收敛速度更快）。
• 算法要求：某些算法（如 SVM、KNN）假设特征在相似的尺度上，否则具有较大方差的特征将主导结果。 

在 Python 中如何实现？ 

使用 Scikit-learn 库可以非常方便地实现标准化和归一化：

在虚拟环境中安装库 

(.vpyenv)$ pip install scikit-learn

from sklearn.preprocessing import StandardScaler, MinMaxScaler
import numpy as npdata = np.array([[100], [200], [300], [400], [1000]])# 1. Z-Score 标准化
scaler_z = StandardScaler()
data_standardized = scaler_z.fit_transform(data)
print("Standardized Data:\n", data_standardized)
# 结果的均值接近 0，标准差接近 1# 2. 归一化 (Min-Max Scaling)
scaler_mm = MinMaxScaler()
data_normalized = scaler_mm.fit_transform(data)
print("Normalized Data (0-1):\n", data_normalized)
# 结果范围在 [0, 1] 之间