1 .在大型项目的数据分析中，由于数据源的不同，数据的维度、数据的尺度通常会产生差异，因此介绍为了使这些数据能够比较，需要采用标准化方法消除这些差异。 3358 www.Sina.com/(normalization )是指对原始各项指标数据进行定标，去除数据单位限制，将其转换为无量纲纯数值。数据的标准化)。 数据标准化最典型的是数据规范化处理，即数据统一映射到[ 0，1 ]区间。
目前，数据标准化方法有多种，可以归纳为直线型方法(极值法、标准差法等)、折线型方法)、曲线型方法)、半正态分布等)。 不同的标准化方法对系统的评价结果有不同的影响，但不幸的是，数据标准化方法的选择没有共同的规律。 常见方法包括：最小最大标准化(最小最大正规化)、日志函数转换、atan函数转换、z-score标准化(zero-mena normalization )、该方法常用)
便于不同单位或量级的指标能够进行比较和加权又称方差归一化，是对原始数据进行线性变换，使结果落入[ 0，1 ]区间。 变换函数为以下的：其中max是样本数据的最大值，min是样本数据的最小值。 这种方法的缺点是，当新数据进入时，max和min可能发生变化，需要重新定义。min-max标准化(min-max normalization)用基于10的log函数进行变换，其中：y=log10(x )/log 10 (max ) )，max是样本数据的最大值，所有数据都大于或等于1log函数转换用反正切函数归一化数据：尝试用此方法映射到[ 0，1 ]区间，所有数据必须大于或等于0，小于0的数据映射到[-1，0 ]区间当然，没有必要将所有数据标准化的结果映射到[ 0，1 ]区间。 在这种情况下，可以使用atan函数转换。 该方法也被称为标准差标准化，即SPSS中最常见的标准化方法：z-score标准化，其平均值为0，标准差为1，变换函数为： y=()
2.3种最常用的方法z-score标准化方法
下面介绍三种最常用的标准化方法：min-max法（规范化方法），z-score法（正规化方法），比例法。
最小-最大法也称为方差归一化，是对原始数据进行线性变换，并将结果映射到[ 0，1 ]区间的方法。
方法1：min-max法（规范化方法）
该方法对方法2：z-score法（正规化方法）数据进行标准化。 使用z-score将a的原始值x标准化为y。 z-score标准化方法3358www.Sina.com/或基于原始数据的均值（mean）和标准差（standard deviation）时。 SSS的默认标准化方法是z-score标准化。 z-score的简化模型： y=1/(1 x )，通过证明x越大y越小，可以将较大的数控制在[0-1]之间。适用于属性A的最大值和最小值未知的情况
1 .求各变量(指标)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是标准化变量值，xij是实际变量值。
3 .调换反向指标前的符号。
标准化变量的值以0为中心上下移动，大于0时高于平均，小于0时低于平均。
有超出取值范围的离群数据
注意：此方法适用于所有数据为在Excel中进行z-score标准化的步骤如下：的序列。