扫码加入数据分析学习群

为什么要去量纲？

进行变量重要性排序（选择对因变量影响最大的自变量）或特征筛选（用于提供后续模型精度等）时，不同的变量单位不同，因此数值差异极大。例如1cm和1kg等。

什么是去量纲？

数据分析的本质是数值，去量纲就是去除掉单位对数值的影响。使得所有的变量都在同等的水平上，才能“公平”的参与后续处理。

常见的去量纲化方法：

注：！此处去除掉网上将z-score方法成为标准化，将min-max称为归一化等叫法。直接用名称可以除去翻译的语义导致的误解，也能去除被必要的区分。

（1）初值化：使用序列数据中的初始值作为除数，消除不同变量之间的量级或单位差异。其结果由样本初始值决定，可以消除不同变量间大量级的差异，处理后数据接近1左右。方便简单，但是随机性较高。

(2)均值化：每个变量除以该变量的均值。可以去除量纲差异，相除后接近1左右。

（3）min-max变换：通过线性变换去除量纲影响。映射结果在[0，1]之间，但容易受到异常值的影响。

好处1：对于原始变异值不大的数据，用该方法可以放大差异。

如：1.70 1.71 1.72 1.73，min-max处理后为0，0.33.0.67，1。

好处2：可以维持稀疏矩阵中的0.

（4）极差最大值变换：也依赖于最小值和最大值。

（5）Z-score变换：zero mean normalization:减去均值，除以标准差。

处理后的数据均值为0，方差接近1，分布接近正态分布。

好处：该方法更适用于涉及到距离关系的应用中，通过该处理后，对数据由于量纲引起的差异去除的更为彻底，因此对于精确的变量差异，如距离计算中，使用该方法更好，例如：相似度，PCA，聚类分析等。 而min-max相当于保存了原始数据标准差所能代表的潜在权重关系。

总结：

具体用啥看情况决定。例如在灰色关联度分析中用均值化，PCA用z-score。

后续自己各种处理中用什么会回来填坑。 作者：大专厂妹の奋斗生活 https://www.bilibili.com/read/cv17032876/ 出处：bilibili