实验数据标准化处理方法-安全阀校验检测网

实验数据标准化处理方法

让需要安全阀校验、检测、检验的地方都有安全阀检测机构 [在线微信交谈] 时间：2024-06-20
在线客服扫一扫 安全阀检测更方便

　　能力验证上报数据（n个数据）通过什么方法处理后进行的判定？这些问题都涉及数据标准化。

　　在数据分析之前，通常需要先将数据标准化（normalization），利用标准化后的数据进行数据分析。数据标准化也就是统计数据的指数化。

　　为什么要进行数据的标准化处理？

　　由于不同变量常常具有不同的单位和不同的变异程度。不同的单位常使系数的实践解释发生困难。例如：第1个变量的单位是kg，第2个变量的单位是cm，那么在计算绝对距离时将出现将两个事例中第1个变量观察值之差的绝对值（单位是kg）与第2个变量观察值之差的绝对值（单位是cm）相加的情况。使用者会说5kg的差异怎么可以与3cm的差异相加？不同变量自身具有相差较大的变异时，会使在计算出的关系系数中，不同变量所占的比重大不相同。例如如果第1个变量（两水稻品种米粒中的脂肪含量）的数值在2%到4%之间，而第2个变量（两水稻品种的亩产量）的数值范围都在1000与5000之间。为了消除量纲影响和变量自身变异大小和数值大小的影响，故将数据标准化。

　　数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。数据同趋化处理主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对测评方案的作用力同趋化，再加总才能得出正确结果。数据无量纲化处理主要解决数据的可比性。数据标准化的方法有很多种，常用的有“最小—最大标准化”、“Z-score标准化”和“按小数定标标准化”等。经过上述标准化处理，原始数据均转换为无量纲化指标测评值，即各指标值都处于同一个数量级别上，可以进行综合测评分析。

　　一、Min-max标准化

　　min-max标准化方法是对原始数据进行线性变换。设minA和maxA分别为属性A的最小值和最大值，将A的一个原始值x通过min-max标准化映射成在区间[0,1]中的值x'，其公式为：

　　新数据=（原数据-极小值）/（极大值-极小值）

　　二、z-score标准化

　　这种方法基于原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。将A的原始值x使用z-score标准化到x'。

　　z-score标准化方法适用于属性A的最大值和最小值未知的情况，或有超出取值范围的离群数据的情况。

　　新数据=（原数据-均值）/标准差

　　spss默认的标准化方法就是z-score标准化。

　　用Excel进行z-score标准化的方法：在Excel中没有现成的函数，需要自己分步计算，其实标准化的公式很简单。

　　步骤如下：

　　1.求出各变量（指标）的算术平均值（数学期望）xi和标准差si；

　　2.进行标准化处理：

　　zij＝（xij－xi）／si

　　其中：zij为标准化后的变量值；xij为实际变量值。

　　3.将逆指标前的正负号对调。

　　标准化后的变量值围绕0上下波动，大于0说明高于平均水平，小于0说明低于平均水平。

　　三、Decimal scaling小数定标标准化

　　这种方法通过移动数据的小数点位置来进行标准化。小数点移动多少位取决于属性A的取值中的最大绝对值。将属性A的原始值x使用decimal scaling标准化到x'的计算方法是：

　　x'=x/(10*j)

　　其中，j是满足条件的最小整数。

　　例如假定A的值由-986到917，A的最大绝对值为986，为使用小数定标标准化，我们用1000（即，j=3）除以每个值，这样，-986被规范化为-0.986。

　　注意，标准化会对原始数据做出改变，因此需要保存所使用的标准化方法的参数，以便对后续的数据进行统一的标准化。

　　本文内容由互联网用户自发贡献、该文观点仅代表作者本人、因此内容不代表本机构观点、仪器计量校准机构不对文章中的任何观点负责、内容版权归原作者机构有、内容只用于提供信息阅读、无任何商业用途。安全阀检测机构仅提供信息存储空间服务、不拥有机构有权、不承担相关法律责任。如发现本机构（文章、图片、音频、视频）有涉嫌抄袭侵权/违法违规的内容、请发送邮件至2234463595 qq.com或电话13829138856举报、并提供相关证明、一经查实、经本机构核实后立即删除、维护您的应当权

实验室内审员有哪些要求？

如何成为实验室授权签字人？

安全阀校验客服感言