數據標准化中心化去極值
1. 對數據進行極值規范化處理時出現0和1怎麼辦
用if語句就可以了，極大值：if（a<b,b>c，b,0）
2. 用極值標准化法怎麼進行無量綱化處理
最典型的就是0-1標准化和Z標准化，也是最常用的。
1、0-1標准化(0-1 normalization)
也叫離差標准化，是對原始數據的線性變換，使結果落到[0,1]區間，轉換函數如下：
其中max為樣本數據的最大值，min為樣本數據的最小值。這種方法有一個缺陷就是當有新數據加入時，可能導致max和min的變化，需要重新定義。
2、Z-score 標准化(zero-mean normalization)
也叫標准差標准化，經過處理的數據符合標准正態分布，即均值為0，標准差為1，也是SPSS中最為常用的標准化方法，其轉化函數為：
其中μ為所有樣本數據的均值，σ為所有樣本數據的標准差。
3. 為什麼要對數據進行極值標准化呢,這樣做的意思是什麼新手,
標准化之後,你可以把任何范圍的數據映射的（-1,1）的區間內.
例,一組男生身高數據從（1.6m,1.95m）,標准化之後,就可以帶入到（-1.1）的區間內.
方便做分析.
4. 為什麼要對數據進行極值標准化呢，這樣做的意思是什麼新手，謝謝啦
標准化之後，你可以把任何范圍的數據映射的（-1，1）的區間內。
例，一組男生身高數據從（1.6m，1.95m），標准化之後，就可以帶入到（-1.1）的區間內。
方便做分析。
5. 指標數據標准化處理
各評價指標由於各自量綱的不同，並且指標間數值差異較大，要使指標間能夠直接進行比較，要對各類指標進行標准化處理，消除量綱差別，最後將得到值域為（0，1），而且極性一致的數值。對於單因素定性指標按照質量等級賦予離散代數值；對於連續性變化的定量指標，採用相應質量等級的指標范圍中值作為標准化指數的基數。
選擇合適的標准化方法應堅持標准化方法的比較原則，即同一指標內部相對差距不變原則、不同指標間的相對差距不確定原則、標准化後極大值相等原則。按照上述原則，指標數據的標准化處理方法可劃分為線性標准化和非線性標准化兩大類，具體方法有：初值化變換、均值化變換、極值化變換、標准差變換等，本書採用線性標准化極值化變換方法，分析調整了標准化計算公式，將原始數據計算處理後得到新的均一化數列。設現狀原始數據為Yk，標准化後的現狀值為Xk，對指標體系中的每一項評價指標數據劃出最大值（Ymax）和最小值（Ymin），按照質量等級由優等到差等，標准化指數升高的原則，設定差等級標准化指數最高X=1.00，則標准化計算公式：
正向指標：
基坑降水工程的環境效應與評價方法
反向指標：
基坑降水工程的環境效應與評價方法
經驗證符合指標標准化的三大原則。表3.1所示為指標量化分級及標准化指數。
表3.1 基坑降水環境評價指標量化分級及標准化指數
6. 如何在excel中數據標准化處理
極值處理法
該種方法的演算法即標准化公式如附圖所示，註：對於指標值恆定的情況不適用。
這里以我國2007年中部地區6省的稅收數據為例進行計算。易知，附圖中的稅收指標為極大型數據。所以採用的公式為x=（x-min）/(Max-min),這樣標准化後的數據最大值為1，最小值為0
使用Max，Min函數分別求出數據矩陣中每列中的最大值和最小值。
Max 146.1136 184.2366 102.9228 30.2578 25.8857 42.8733 15.656 7.8004 18.2303 14.9975 1.9689 17.1054 35.0698 3.3696
Min 53.0534 95.0788 37.8106 14.8271 2.8286 17.0098 5.7824 3.1799 4.1246 1.1311 0.3081 1.7933 5.5753 0.0874
再求出極值處理法的分母即最大值與最小值的差值
max-min 93.0602 89.1578 65.1122 15.4307 23.0571 25.8635 9.8736 4.6205 14.1057 13.8664 1.6608 15.3121 29.4945 3.2822
4
使用每列中的數值與最小值的差比上分母即可求出標准化後的數據。公式舉例：值=(B6-$B$13)/$B$14。如附圖所示為使用極值處理法後的前後數據對比。
7. python3 如何去極值，標准化，中性化
你把遍歷的結果放到一個列表裡面，便利結束後求列表裡的最大值就行了 ls=[]for i in range(xxx): ls.append(func)max_value = max(ls)
8. 數據標准化的簡介
評價是現代社會各領域的一項經常性的工作，是科學做出管理決策的重要依據。隨著人們研究領域的不斷擴大，所面臨的評價對象日趨復雜，如果僅依據單一指標對事物進行評價往往不盡合理，必須全面地從整體的角度考慮問題，多指標綜合評價方法應運而生。所謂多指標綜合評價方法，就是把描述評價對象不同方面的多個指標的信息綜合起來，並得到一個綜合指標，由此對評價對象做一個整體上的評判，並進行橫向或縱向比較。
而在多指標評價體系中，由於各評價指標的性質不同，通常具有不同的量綱和數量級。當各指標間的水平相差很大時，如果直接用原始指標值進行分析，就會突出數值較高的指標在綜合分析中的作用，相對削弱數值水平較低指標的作用。因此，為了保證結果的可靠性，需要對原始指標數據進行標准化處理。目前數據標准化方法有多種，歸結起來可以分為直線型方法(如極值法、標准差法)、折線型方法(如三折線法)、曲線型方法(如半正態性分布)。不同的標准化方法，對系統的評價結果會產生不同的影響，然而不幸的是，在數據標准化方法的選擇上，還沒有通用的法則可以遵循。
