如何将数据标准化到0-1范围？

我迷失了正常化，任何人都可以指导我。

我有一个最小值和最大值，分别说-23.89和7.54990767。

如果我得到5.6878的值，如何将该值以0到1的比例缩放。

如果要标准化数据，可以按照建议进行操作，只需计算以下内容：

其中和现在是您的规范化数据。作为概念验证（尽管您没有要求），下面是一些代码和随附的图来说明这一点：$x=(x_1,...,x_n)$$z_i$$i^{th}$R

# Example Data
x = sample(-100:100, 50)

#Normalized Data
normalized = (x-min(x))/(max(x)-min(x))

# Histogram of example data and normalized data
par(mfrow=c(1,2))
hist(x,          breaks=10, xlab="Data",            col="lightblue", main="")
hist(normalized, breaks=10, xlab="Normalized Data", col="lightblue", main="")

将观察到的最小值和最大值线性调整为新的任意范围min'到max'的通用一线公式为

  newvalue= (max'-min')/(max-min)*(value-max)+max'
  or
  newvalue= (max'-min')/(max-min)*(value-min)+min'.

这是我用于规范化的PHP实现：

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

但是，当我建立自己的人工神经网络时，我需要将归一化的输出转换回原始数据，以获得图形的良好可读性输出。

function 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

非规范化使用以下公式：

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

被零除

要记住的一件事是max - min可能等于零。在这种情况下，您将不想执行该划分。

当您要规范化的列表中的所有值都相同时，就会发生这种情况。为了规范化此列表，每个项目应为1 / length。

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

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

      return acc;
   }, {min: Number.POSITIVE_INFINITY, max: Number.NEGATIVE_INFINITY});

   return list.map(value => {
      // Verify that you're not about to divide by zero
      if (minMax.max === minMax.min) {
         return 1 / list.length
      }

      var diff = minMax.max - minMax.min;
      return (value - minMax.min) / diff;
   });
}

例：

normalize([3, 3, 3, 3]); // output => [0.25, 0.25, 0.25, 0.25]

答案是正确的，但我有一个建议，如果您的训练数据遇到超出范围的数字怎么办？您可以使用挤压技术。它将保证永远不会超出范围。而不是这个

我建议使用这个

像这样在最小和最大范围内挤压

并且预期的超出范围的间隙的大小与存在超出范围的值的置信度成正比。

欲了解更多信息，您可以谷歌：挤压超出范围的数字，并参考“ dorian pyle”的数据准备书

尝试这个。与功能量表一致

normalize <- function(x) { 
  x <- as.matrix(x)
  minAttr=apply(x, 2, min)
  maxAttr=apply(x, 2, max)
  x <- sweep(x, 2, minAttr, FUN="-") 
  x=sweep(x, 2,  maxAttr-minAttr, "/") 
  attr(x, 'normalized:min') = minAttr
  attr(x, 'normalized:max') = maxAttr
  return (x)
}