中心化、标准化、归一化
[转载]中心化(又叫零均值化)和标准化(又叫归一化)?？
一🐄_🪶💥、中心化（又叫零均值化）和标准化（又叫归一化）概念及目的？1🦗——-🐁、在回归问题和一些机器学习算法中🙃🤗-_🥎🌈，以及训练神经网络的过程中🌗——-🐌，通常需要对原始数据进行中心化（Zero-centered或者Mean-subtraction（subtraction表示减去））处理和标准化（Standardization或Normalization）处理数据标准化（归一化）处理是数据挖到此结束了？🧵||🦌。
中心化🌝🤓——|😰🐦：一组数据的每个值减去它们的均值标准化😹——-⚾：一组数据的每个值减去它们的均值再除以它们的标准差归一化🦘|-🦆🦕：一组数据的每个值除以它们的标准差不同类型的数据均值不同😩_🎫，方差也不同♠🦘——_🐆。比如100米成绩和马拉松成绩😍|——♟🌵，没法相互比较🦉_🎗。进行这种变换后便于比较🦓☄️_|🙈，也方便制作指标🌪_|🎁🌸。
一🐄_🪶💥、中心化（又叫零均值化）和标准化（又叫归一化）概念及目的？1🦗——-🐁、在回归问题和一些机器学习算法中🙃🤗-_🥎🌈，以及训练神经网络的过程中🌗——-🐌，通常需要对原始数据进行中心化（Zero-centered或者Mean-subtraction（subtraction表示减去））处理和标准化（Standardization或Normalization）处理数据标准化（归一化）处理是数据挖到此结束了？🧵||🦌。
中心化🌝🤓——|😰🐦：一组数据的每个值减去它们的均值标准化😹——-⚾：一组数据的每个值减去它们的均值再除以它们的标准差归一化🦘|-🦆🦕：一组数据的每个值除以它们的标准差不同类型的数据均值不同😩_🎫，方差也不同♠🦘——_🐆。比如100米成绩和马拉松成绩😍|——♟🌵，没法相互比较🦉_🎗。进行这种变换后便于比较🦓☄️_|🙈，也方便制作指标🌪_|🎁🌸。
归一化🌜-🦁🤿、标准化可以说都是线性的🦥——😷🦖，在知乎- 微调的回答中🤕🦠-|🌱🦏，他通过公式的转变最后认为归一化🙃|😛🦝、标准化很相似🎯||🕹👹，都是x + b / c 这样一种形式🍀🐕_|🐂，具体的可以看参考中的知乎链接🐋🌵|👽。对应到这篇文章中就可以这样做🐕——_🌈🍄，你可以把那三个方块的中心点放到中心然后拖动缩放框进行缩放就是标准化啦🌳🤠|-😒。在说归一化😋*——😗、标准化的作用之到此结束了？💥🐋-_😐。
1.将数据进行中心化的原因🐩————🐀🐿：减去均值等同于坐标移动🎲😪——-🦋🎫，这样就能把原始数据点的中心移到与原点重合🙊_|😚，此举有利于很多表达⚡️——🐵，比如数据的协方差矩阵可以直接写成X*X'🥀🌗|🎄，若没有减去均值🦉-|🎇，则每两个特征之间都要进行(X-X均值)*（Y-Y均值）运算😪🦕————⛈，再组合成协方差矩阵😜🦏_🦕🏐。2.将数据除以标准差的原因🎇||🧸🦉：除以标准差是为后面会介绍*_🎳。
不要把归一化和标准化混为一谈?？
[1] 归一化⚾-_🧵、标准化和中心化/零均值化🕊|🐍🐫： [2] 知乎-标准化和归一化的差别🦄-*✨： [3] [4] -等会说🤒_🥉。
sklearn中🐲——🐥，使用preprocess.MinMaxScaler来实现数据归一化😡🦋|-🏉，MinMaxScaler重要参数🌖——🐈：feature_range,控制数据压缩到的范围🎲_🐆🍁，默认是[0,1]1.3 preprocession.StandardScaler 当数据按均值中心化后🧶😐-🕷🪁，再按标准差缩放🦝——🌤😻，数据会浮动均值为0👺|🪰，方差为1的正态分布（标准的正态分布）🦨😯_——🐕🌪，..
做调节效应分析一定要把自变量和调节变量做去中心化处理吗??？
标准化🥅🐌_|😍：是将数据映射到满足标准正态分布的范围内*🪲|🐓，使数据满足均值是0标准差是1🤡——🥋🏵。标准化同样可以消除不同特征的量纲🐤🐰——|🎎。去中心化🐞🐭-🦗：就是使数据满足均值为0🐉-😋，但是对标准差没有要求🐖|_🐹。如果对数据的范围没有限定要求🌺🦡——_🖼😏，则选择标准化进行数据预处理🦒*-——🌺🍀；如果要求数据在某个范围内取值🐈⬛--🥀🦖，则采用归一化🤬——🤭；如果数据不存在等会说🐵||*🏈。
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🎁🌙_*。比如🦚🐅-|🐱，复数阻抗可以归一化书写🦍-|🦭🦮：Z = R + jωL = R(1 + jωL/R) 🦦🎊————🎎，复数部分变成了纯数量了⛸|_🌍，没有量纲☘️__🧐。另外🐓——-🐟，微波之中也就是电路分析🤣🐯_🌎🦨、信号系统😾🌕_-🥋、电磁波传输等🏆🐺_🌿🦖，有很多运算都可以如此处理😑🎴-☘🦀，既保证了希望你能满意🐿🌘-🤡。
如何用SPSS做数据无量纲处理?？
可以做归一化或者中心化处理🌹——-🎁，
中心化的意思是每个原始数据减其均数后得到的值*🤮_🦖，相当于标准化的分子部分🌕🌚||♣。 中心化有什么作用呢？比如我们在进行线性回归分析时🎨|🦟，分析x 与y的关系🦏_*🐳，如果最后得到的方程为y=10+2x, 则意思是x每增加1, y 增加2; 当x=0的时候🎃-——🐰，y=10🌷|-✨。这种解释在正常情况下没有问题🙁🐽-👽🎍，但如果x 是身高就有问题了到此结束了？✨🎄-——🐑。