无量纲化方法比较

数据标准化处理方法

数据标准化处理方法 在数据分析之前，我们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。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

数据的无量纲化处理及示例

数据的无量纲处理方法及示例 在对实际问题建模过程中，特别是在建立指标评价体系时，常常会面临不同类型的数据处理及融合。而各个指标之间由于计量单位和数量级的不尽相同，从而使得各指标间不具有可比性。在数据分析之前，通常需要先将数据规范化，利用规范化后的数据进行分析。数据规范化处理主要包括同趋化处理和无量纲化处理两个方面。数据的同趋化处理主要解决不同性质的数据问题，对不同性质指标直接累加不能正确反应不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对评价体系的作用力同趋化。数据无量纲化主要解决数据的不可比性，在此处主要介绍几种数据的无量纲化的处理方式。 （1）极值化方法 可以选择如下的三种方式： （A ）' max min i i i x x x R = =- 即每一个变量除以该变量取值的全距，规范化后的每个变量的取值范围限于[-1,1]。 (B)' min min max min i i i x x x R --= =- 即每一个变量与变量最小值之差除以该变量取值的全距，规范化后各变量的取值范围限于[0,1]。 (C) ' max i i x x =，即每一个变量值除以该变量取值的最大值，规范化后使变量的最大取值为1。 采用极值化方法对变量数据无量纲化是通过变量取值的最大值和最小值将原始数据转换为界于某一特定范围的数据，从而消除量纲和数量级的影响。由于极值化方法对变量无量纲化过程中仅仅对该变量的最大值和最小值这两个极端值有关，而与其他取值无关，这使得该方法在改变各变量权重时过分依赖两个极端取值。 （2）规范化方法 利用'i i x x x s -= 来计算，即每一个变量值与其平均值之差除以该变量的规范差，无量纲化后各变量的平均值为0，规范差为1，从而消除量纲和数量级的影响。虽然该方法在无量纲化过程中利用了所有的数据信息，但是该方法在无量纲化后不仅使得转换后的各变量均值相同，且规范差也相同，即无量纲化的同时还消除了各变量在变异程度上的差异。 （3）均值化方法 计算公式为：' i i i x x x =，该方法在消除量纲和数量级影响的同时，保留了各变量取值差异程度上的信息。 （4）规范差化方法 计算公式为：'i i x x s = 。该方法是规范化方法的基础上的一种变形，两者的差别仅在无量纲化后各变量的均值上，规范化方法处理后各变量的均值为0，而规范差化方法处理后各

指标无量纲化

评价指标的无量纲化处理 在多指标综合评价中涉及到两个基本变量:一是各评价指标的实际值，另一个是各指标的评价值。由于各指标所代表的物理涵义不同，因此存在着量纲上的差异。这种异量纲性是影响对事物整体评价的主要因素。指标的无量纲化处理是解决这一问题的主要手段。无量纲化，也称作数据的标准化、规格化，是一种通过数学变换来消除原始变量量纲影响的方法。 （1）直线型无量纲化方法 基本思想是假定实际指标和评价指标之间存在着线性关系，实际指标的变化将引起评价指标一个相应的比例变化。代表方法有：阈值法、标准化法(Z-score 法)、比重法等等。 a. 阈值法 阈值也称临界值，是衡量事物发展变化的一些特殊指标值，比如极大值、极小值、满意值、不允许值等。阈值法是用指标实际值与阈值相比以得到指标评价值的无量纲化方法。常用算法公式有： n i i i i x x y ≤≤=1m a x （2.24） n i i i n i i n i i i x x x x y ≤≤≤≤≤≤-+=111m a x m i n m a x （2.25） n i i n i i i n i i i x x x x y ≤≤≤≤≤≤--=111m i n m a x m a x （2.26） n i i n i i n i i i i x x x x y ≤≤≤≤≤≤--=111m i n m a x m a x （2.27） q k x x x x y n i i n i i n i i i i +--=≤≤≤≤≤≤111m i n m a x m a x （2.28） b 标准化法 统计学原理告诉我们，要对多组不同量纲数据进行比较，可以先将它 们标准化转化成无量纲的标准化数据。而综合评价就是要将多组不同的数 据进行综合，因而可以借助于标准化方法来消除数据量纲的影响。标准化 （Z-score ）公式为：

数据标准化处理

在数据分析之前，我们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。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

数据的无量纲化处理及示例

数据得无量纲处理方法及示例 在对实际问题建模过程中，特别就是在建立指标评价体系时，常常会面临不同类型得数据处理及融合。而各个指标之间由于计量单位与数量级得不尽相同,从而使得各指标间不具有可比性。在数据分析之前,通常需要先将数据规范化，利用规范化后得数据进行分析.数据规范化处理主要包括同趋化处理与无量纲化处理两个方面.数据得同趋化处理主要解决不同性质得数据问题，对不同性质指标直接累加不能正确反应不同作用力得综合结果，须先考虑改变逆指标数据性质，使所有指标对评价体系得作用力同趋化。数据无量纲化主要解决数据得不可比性，在此处主要介绍几种数据得无量纲化得处理方式。 （１)极值化方法 可以选择如下得三种方式: (A) 即每一个变量除以该变量取值得全距,规范化后得每个变量得取值范围限于[－1，1］。 (B) 即每一个变量与变量最小值之差除以该变量取值得全距，规范化后各变量得取值范围限于[0，1]。 （C）,即每一个变量值除以该变量取值得最大值，规范化后使变量得最大取值为1。 采用极值化方法对变量数据无量纲化就是通过变量取值得最大值与最小值将原始数据转换为界于某一特定范围得数据，从而消除量纲与数量级得影响。由于极值化方法对变量无量纲化过程中仅仅对该变量得最大值与最小值这两个极端值有关,而与其她取值无关,这使得该方法在改变各变量权重时过分依赖两个极端取值。 (2）规范化方法 利用来计算，即每一个变量值与其平均值之差除以该变量得规范差,无量纲化后各变量得平均值为０，规范差为1，从而消除量纲与数量级得影响.虽然该方法在无量纲化过程中利用了所有得数据信息,但就是该方法在无量纲化后不仅使得转换后得各变量均值相同，且规范差也相同，即无量纲化得同时还消除了各变量在变异程度上得差异. （3)均值化方法 计算公式为：，该方法在消除量纲与数量级影响得同时,保留了各变量取值差异程度上得信息。 （4)规范差化方法 计算公式为：。该方法就是规范化方法得基础上得一种变形，两者得差别仅在无量纲化后各变量得均值上，规范化方法处理后各变量得均值为0，而规范差化方法处理后各变量均值为原始变量均值与规范差得比值。 综上所述，针对不同类型得数据,可以选择相应得无量纲化方法。如下得示例就就是一个典型得评价体系中无量纲化得范例. 示例:近年来我国淡水湖水质富营养化得污染日益严重,如何对湖泊水质得富营养化进行综合评价与治理就是摆在我们面前得任务，下面两个表格分别为我国5个湖泊得实测数据与湖泊水质评价规范。 表2-２全国五个主要湖泊评价参数得实测数据

数据标准化的几种方法

数据标准化的几种方法 在数据分析之前，我们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。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。在SPSS中依次点击Analyze Descriptive Descriptive 点击Save standardized values as varianles即可。 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

数据标准化.归一化处理

数据的标准化 在数据分析之前，我们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。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。去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。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： 求出各变量（指标）的算术平均值（数学期望）xi和标准差si ； .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。 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，

量纲分析法原理

量纲和谐原理 我们经常遇到许多物理量，如长度、时间、质量、力、速度、密度及动量等。它们的名称、记号和量纲如表所示。 表1 流体力学中常见物理量的量纲 速度v 表示单位时间内所经历的距离，它的单位是[米/秒]。距离是长度l ，它的量纲是[L ]，而时间t 的量纲是[T ]，故速度v 的量纲是[1LT -]。 动量是质量m 和速度v 之积。质量的量纲是[M ]，故动量的量纲是[1MLT -]。 如果我们选定三个相对对立的，例如长度l 的量纲[L ]、时间t 的量纲[T ]、质量m 的量纲[M ]为基本量纲，那么其他物理量的量纲都可用这三个基本量纲来表示。如表5-1中所示，例如，加速度a 的量纲可表示为[2LT -]，力F 的量纲可表示为[2LMT -]。当我们把一些物理量进行组合、分析或作比较时，用量纲表示就比较便利。 如果我们要写出一个流体微团的运动方程 F ma =∑v v 式子左边是作用在微团的各力和，它可以包括：重力W v 、压力P v 、粘滞τv 、力弹性力E v 等；右边是微团的惯性力ma v 。于是得到 +++W P E ma t =v v v v v （5-1） 上式中的每项都是力，所以各项的量纲都是[2 LMT -]。又如，关于理想流体的伯努利方程

2 ++=2v p z H g g r 表示流管中三项能头之和保持常数，即等于总能头H 。每项的单位都是米，故它们的量纲都是[L]。不仅如此，在力学上任何有物理意义的方程或关系式，每一项的量纲必定相同。这称为力学方程的量纲和谐性原理，又称为“量纲齐次性规律”。量纲和谐原理是由傅里叶1822年提出来的，它是量纲分析法中具有基本重要性的一个概念，也是量纲分析法的理论基础，并可具体表达成：只有相同类型的物理量才能相加减，也就是相同量纲的物理量才可以相加减或比较大小；不同类型的物理量相加减没有任何意义。例如，速度可以和速度相加减，但绝不可以加上粘性系数或压力。当然，相同量纲和不同单位的物理量之间是可以相互加减和比较大小的，因为只要将其单位稍加换算即可完成。 一个量纲齐次性的方程，可以化为无量纲方程，只要用方程中的任意一项除其他各项。例如，在式（5-1）中，用惯性力项遍除其他各项，于是各项都变成无量纲量，而各无量纲量之和等于1，即 +++1W P E ma ma ma ma τ=v v v v v v v v 由以上讨论可见，运用量纲可以更明显地指出物理量的性质。 不同量纲的物理量不能相加减，但它们可以根据某种需要进行乘除，从而导出另一量纲的物理量。 量纲和谐原理可以用来检验新建方程或经验公式的正确性和完整性，也可以用来确定公式中物理量的未知指数，还可以用来建立有关方程式。对于量纲齐次的方程，只要用方程的任一项量纲去除其余各项，就可以使方程的每一项都变成无量纲量，方程变为无量纲方程。量纲分析就是基于物理方程具有和谐原理，通过量纲分析和计算，将原来含有较多物理量的方程转化为含有比原物理量少的无量纲方程，使得为研究这些变量关系而进行的实验大大简化。 量纲分析法原理 在量纲和谐原理基础上发展起来的量纲分析法分为瑞利法和p 定理白金汉定理法。 为了简单地说明量纲分析法，我们先来讨论理论力学中熟悉的单摆周期，其关系式为 =2t π （5-2） 假设，我们先前只见过单摆的物理现象，而还不知这个表明单摆周期的关系式时，可以

(完整版)第一节量纲分析方法

第一节量纲分析方法 量纲分析是物理学中常用的一种定性分析方法，也是在物理领域中建立数学模型的一个有力工具。利用这种方法可以从某些条件出发，对某一物理现象进行推断，可将这个物理现象表示为某些具有量纲的变量的方程，从而可以用此来分析个物理量之间的关系。 1.1量纲 当对一个物理概念进行定量描述时，总离不开它的一些特性，比如，时间、质量、密度、速度、力等等，这种表示不同物理特性的量，称之为具有不同的“量纲”。概括来说，将一个物理导出量用若干个基本量的乘方之积表示出来的表达式，称为该物理量的量纲式，简称量纲(dimension)（量纲又称为因次）。它是在选定了单位制之后，由基本物理量单位表达的式子。在国际单位制(I)中，七个基本物理量长度、质量、时间、电流、热力学温度、物质的量、发光强度的量纲符号分别是L、M、T、I、Q、N和J。按照国家标准（GB3101—93），物理量?的量纲记为dim?，国际物理学界沿用的习惯记为[?]。

实际中，有些物理量的量纲是基本的，成为基本量纲。系统因选定的基本单位不同，而分成绝对系统与工程系统两大类。工程系统的基本单位：质量、长度、时间、力。绝对系统的基本单位：质量、长度、时间。绝对系统以长度(length)、质量(mass)、时间(time)及温度(temperature)为基本量纲，各以符号L 、M 、T 、θ表示其量纲。其他可由基本量纲推导出的量纲称为导出量纲。但在工程系统中，除了长度L 、质量M 、时间T 及温度θ等基本量纲外，也将力定义为基本量纲，而以符号F 表示其量纲。此外在探讨热量 (heat)时，热量亦被定义为基本量纲，而以H 表示。而其他的物理量的量纲可以由这些基本量纲来表示，比如： 速度v = ds/dt 量纲：[]V =1 LT - 加速度a = dv/dt 量纲：2 []a LT -= 力F = ma 量纲：22[][][]F M LT MLT --== 压强P = F/S 量纲： 22[]P MLT L --= 21MT L --= 实际中，也有些量是无量纲的，比如,e π等，此 时记为[][]1e π==。 有量纲的物理量都可以进行无量纲化处理量纲有赖于基本量的选择，是外加的有关量的度量手段。模型所描述的规律应该独立于量纲的影响。机理模型的

数据的无量纲化处理

常用的数据无量纲化处理方法，主要包括如下几种： （1）总和标准化。分别求出各聚类要素所对应的数据的总和，以各要素的数据除以该要素的数据的总和，即 ),,2,1;,,2,1(1n j m i x x x m i ij ij ij ==='∑= （2.4.1） 经过总和标准化处理后所得到的新数据ij x '，满足 ∑==='m i ij n j x 1),,2,1(1 （2）标准差标准化，即 ),,2,1;,,2,1(n j m i s x x x j j ij ij ==-=' （2.4.2） 式中： ∑==m i ij j x m x 1 1 ∑=-=m i j ij j x x m s 1 2)(1 经过标准差标准化处理后所得到的新数据ij x '，各要素（指标）的平均值为0， 标准差为1，即有： 011 ='=∑=m i ij j x m x ∑=='-'=m i j ij j x x m s 1 21)(1 （3）极大值标准化，即 ),,2,1;,,2,1(}{m a x n j m i x x x ij i ij ij ===' （2.4.3） 经过极大值标准化处理后所得的新数据ij x '，各要素（指标）的极大值为1，其余各数值小于1。 （4）极差的标准化，即

{} {}{}),,2,1;,,2,1(m i n m a x m i n n j m i x x x x x ij i ij i ij i ij ij ==--= （2.4.4） 经过极差标准化处理后所得的新数据ij x '，各要素（指标）的极大值为1，极小值为0，其余的数值均在0与1之间。

数据标准化的几种方法

数据标准化的几种方法 数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。 其中最典型的就是数据的归一化处理，即将数据统一映射到[0,1]区间上，常见的数据归一化的方法有： min-max标准化(Min-max normalization) 也叫离差标准化，是对原始数据的线性变换，使结果落到[0,1]区间，转换函数如下： 其中max为样本数据的最大值，min为样本数据的最小值。这种方法有一个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。 log函数转换 通过以10为底的log函数转换的方法同样可以实现归一下，具体方法如下： 看了下网上很多介绍都是x*=log10(x)，其实是有问题的，这个结果并非一定落到[0,1]区间上，应该还要除以log10(max)，max为样本数据最大值，并且所有的数据都要大于等于1。 atan函数转换 用反正切函数也可以实现数据的归一化： 使用这个方法需要注意的是如果想映射的区间为[0,1]，则数据都应该大于等于0，小于0的数据将被映射到[-1,0]区间上。

而并非所有数据标准化的结果都映射到[0,1]区间上，其中最常见的标准化方法就是Z 标准化，也是SPSS中最为常用的标准化方法： z-score 标准化(zero-mean normalization) 也叫标准差标准化，经过处理的数据符合标准正态分布，即均值为0，标准差为1，其转化函数为： 其中μ为所有样本数据的均值，σ为所有样本数据的标准差。

数据标准化处理方法

数据标准化处理方法 在数据分析之前，通常需要先将数据标准化（normalization），再利用标准化后的数据进行分析。数据标准化处理主要包括同趋化处理和无量纲化处理两个方面。 同趋化处理主要解决数据不同性质的问题，对不同性质指标直接运算，不能正确反映不同作用的综合结果，须先考虑改变各指标数据性质，使所有指标对测评方案的作用同趋化，再运算，才能得出正确结果。 无量纲化处理主要解决数据可比性的问题，方法有很多种，常用的有“Min-Max标准化”、“z-score标准化”和“小数定标标准化”等三种。原始数据转换为无量纲化指标后，各指标值处于同一个数量级上，方便进行综合测评分析。 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Min和Max 分别为指标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： x'=（x-Min）/（Max-Min） 即：新数据=（原数据-最小值）/（最大值-最小值） 二、z-score 标准化 z-score标准化方法基于原始数据的均值（mean）和标准差（standard deviation）。 将A的原始值x使用z-score标准化到x'的公式为：

x'=（x-Mean）/Std 即：新数据=（原数据-均值）/标准差 z-score标准化方法适用于指标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。 三、小数定标（Decimal scaling）标准化 Decimal scaling标准化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指标A的取值中的最大绝对值。将指标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） 即：新数据=原数据/（10*j） 其中，j是使x'的绝对值小于1的最小整数，*指幂指数运算。 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。 最后，标准化会对原始数据做出改变，需要保存所使用标准化方法的参数，以便对后续的数据进行统一的标准化处理。

数据标准化方法

数据标准化方法 问题1：将一个人的体重和身高相加在一起有无什么意义？ 答：量纲（就是单位）不同的量相加是没有意义的。不加处理就将两个不同量纲的量相加这是数学建模的大忌！ 问题2：如何将一个人的体重G 和身高H 这两个指标综合为一个指标用以评价一个人身材？ 答：通常考虑加法模型和乘法模型。乘法模型在这里不太适合，故考虑加法模型，一般采用加权组合的方式，即12P w G w H =+，这里121w w +=，但是这样就犯了一个严重的错误。 因此需要先对,G H 进行预处理→无量纲化，也就是数据标准化方法。 数据标准化方法主要有以下三种： （1）规范化方法 对序列12,,...,n x x x 进行变换： 111m in{} m ax{}m in{} i j j n i j j j n j n x x y x x ≤≤≤≤≤≤-= - 则新序列12,,...,[0,1]n y y y ∈且无量纲。一般的数据需要时都可以考虑先进行规范化处理。 （2）正规化方法 对序列12,,...,n x x x 进行变换： i i x x y s -= ，这里1 1 n i i x x n == ∑ ，s = 则新序列12,,...,n y y y 的均值为0，而方差为1，且无量纲。 （3）归一化方法 对正项序列12,,...,n x x x 进行变换： 1 i i n i i x y x == ∑ 则新序列12,,...,[0,1]n y y y ∈且无量纲，并且显然有1 1n i i y ==∑。 归一化方法在确定权重时经常用到。 针对实际情况，也可能有其他一些量化方法，或者要综合使用多种方法，总之最后的结果都是无量纲化。

多指标综合评价中指标正向化和无量纲化方法的选择

多指标综合评价中 指标正向化和无量纲化方法的选择 叶宗裕 摘要：本文用实例说明了多指标综合评价中，用“倒数逆变换法”进行指标正向化时会完全改变原指标的分布规律，影响综合评价结果的准确性；对三种常用无量纲化方法——极差变换法、标准化法和均值化法的选择使用问题，用实例进行了比较分析。 关键词：综合评价，正向化，无量纲化，标准化法，均值化法 在多指标综合评价中，有些是指标值越大评价越好的指标，称为正向指标（也称效益型指标或望大型指标）；有些是指标值越小评价越好的指标，称为逆向指标（也称成本型指标或望小型指标），还有些是指标值越接近某个值越好的指标，称为适度指标。在综合评价时，首先必须将指标同趋势化，一般是将逆向指标和适度指标转化为正向指标，所以也称为指标的正向化。不同评价指标往往具有不同的量纲和量纲单位，直接将它们进行综合是不合适的，也没有实际意义。所以必须将指标值转化为无量纲的相对数。这种去掉指标量纲的过程，称为指标的无量纲化（也称同度量化），它是指标综合的前提。在多指标评价实践中，常将指标无量纲化以后的数值作为指标评价值，此时，无量纲化过程就是指标实际值转化为指标评价值（即效用函数值）的过程，无量纲化方法也就是指如何实现这种转化。从数学角度讲就是要确定指标评价值依赖于指标实际值的一种函数关系式，即效用函数f j。因此，指标的无量纲化是综合评价的一项重要容，对综合评价结果有重要影响。 指标的正向化和无量纲化都有多种方法，应用时，应根据实际情况选择合适的方法，否则将会使综合评价的准确性受到影响。本章就如何选择正向化和无量纲化方法作些讨论。 （一）关于指标正向化方法 对于指标的正向化，在实际应用中许多学者常使用将指标取倒数的方法（为华教授称其为“倒数逆变换法”[1]），写成公式为： y =C/x ij（1） ij 其中C为正常数，通常取C=1。很明显，用（1）式作为指标的正向化公式时，当原指标值x ij较大时，其值的变动引起变换后指标值的变动较慢；而当原指标

数据标准化的几种方法

数据标准化的几种方法 TTA standardization office【TTA 5AB- TTAK 08- TTA 2C】

数据标准化的几种方法 在数据分析之前，我们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。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。在SPSS中依次点击Analyze Descriptive Descriptive 点击Save standardized values as varianles即可。 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。

(完整版)2.3数据的无量纲化处理及示例(可编辑修改word版)

i i i i i i 数据的无量纲处理方法及示例 在对实际问题建模过程中，特别是在建立指标评价体系时，常常会面临不同类型的数据处理及融合。而各个指标之间由于计量单位和数量级的不尽相同，从而使得各指标间不具有可比性。在数据分析之前，通常需要先将数据标准化，利用标准化后的数据进行分析。数据标准化处理主要包括同趋化处理和无量纲化处理两个方面。数据的同趋化处理主要解决不同性质的数据问题，对不同性质指标直接累加不能正确反应不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对评价体系的作用力同趋化。数据无量纲化主要解决数据的不可比性，在此处主要介绍几种数据的无量纲化的处理方式。 （1） 极值化方法 可以选择如下的三种方式： （A ） x ' = x i max - = x i min R 即每一个变量除以该变量取值的全距，标准化后的每个变量的取值范围限于[-1,1]。 (B) x ' = xi - max - min = min x i - min R 即每一个变量与变量最小值之差除以该变量取值的全距，标准化后各变量的取值范围限于[0,1]。 (C) 值为 1。 x ' = x i max ，即每一个变量值除以该变量取值的最大值，标准化后使变量的最大取 采用极值化方法对变量数据无量纲化是通过变量取值的最大值和最小值将原始数据转换为界于某一特定范围的数据，从而消除量纲和数量级的影响。由于极值化方法对变量无量纲化过程中仅仅对该变量的最大值和最小值这两个极端值有关，而与其他取值无关，这使得该方法在改变各变量权重时过分依赖两个极端取值。 （2） 标准化方法 利用 x ' = x i - s x 来计算，即每一个变量值与其平均值之差除以该变量的标准差，无量 纲化后各变量的平均值为 0，标准差为 1，从而消除量纲和数量级的影响。虽然该方法在无量纲化过程中利用了所有的数据信息，但是该方法在无量纲化后不仅使得转换后的各变量均值相同，且标准差也相同，即无量纲化的同时还消除了各变量在变异程度上的差异。 （3） 均值化方法 计算公式为： x ' = 异程度上的信息。 x i ，该方法在消除量纲和数量级影响的同时，保留了各变量取值差 x i （4） 标准差化方法 计算公式为： x ' = x i 。该方法是标准化方法的基础上的一种变形，两者的差别仅在无 s 量纲化后各变量的均值上，标准化方法处理后各变量的均值为 0，而标准差化方法处理后各

量 纲 分 析 法 建 模

§5 量 纲 分 析 法 建 模 量纲分析(Dimensional Analysis)是20世纪初提出的在物理领域中建立数学模型的一种方法，它在经验和实验的基础上利用物理定律的量纲齐次原则，确定各物理量之间的关系．本节在一个例子的引导下先介绍量纲齐次原则和著名的BuckinghamPi 定理，然后用这个定理讨论一个力学问题的建模方法，并介绍量纲分析在物理模拟中的应用．最后给出一种简化模型的方法——无量纲化． 一、量纲齐次原则 许多物理量是有量纲的，有些物理量的量纲是基本的，另一些物理量的量纲则可 以由基本量纲根据其定义或某些物理定律推导出来．例如在研究动力学问题时常把长 度l 、质量m 和时间t 的量纲作为基本量纲，记以相应的大写字母L ，M 和T ．于 是速度v 、加速度a 的量纲可以按照其定义分别用1-LT 和2-LT 表示，力f 的量纲则应根据牛顿第二定律用质量和加速度量纲的乘积2-LMT 表示．有些物理常数也有量纲，如万有引力定律22 1r m m k f =中的引力常数k ，由 2 21m m fr k =可知其量纲应从力f 、距离r 和质量m 的量纲求出，为2-LMT ·2L ·2-M =213--T M L ．通常，一个物理量q 的量纲 记作[q]，于是上述各物理量的量纲为[l]=L ，[m]=M ，[t]=T ，[v]=LT -1，[a ]=LT -2，[f] =LMT -2， [k]= 213--T M L . 对于无量纲量α，我们记[α]=1(因为可视为[α]=000T M L )． 用数学公式表示一个物理定律时，等号两端必须保持量纲的一致，或称量纲齐次性(Dimensional Homogeneity)．量纲分析就是利用量纲齐次原则来寻求理量之间的关系 [6,20]．在叙述主要定理之前先看一个例子． 单摆运动 这是一个熟知的物理现象，质量为m 的小球系在长度为l 的线的一端，稍偏离平衡位置后小球在重力mg 作用下(g 为重力加速度)做往复摆动，忽略阻力．求摆动

量纲分析法

量纲分析法 量纲分析是20世纪初提出的, 在物理领域中建立数学模型的一种方法，它是在经验和实验的基础上, 利用物理定律的量纲齐次原则，确定各物理量之间的关系。 3.1 量纲齐次原则与Pi 定理 许多物理量是有量纲的，有些物理量的量纲是基本的，另一些物理量的量纲则可以由基本量纲根据其定义或某些物理定律推导出来。例如在动力学中，把长度l , 质量m 和时间t 的量纲作为基本量纲，记为 [][][]T t M m L l ===,,; 而速度f v ，力的量纲可表示为[][]21,--==MLT f LT v . 在国际单位制中，有7个基本量：长度、质量、时间、电流、温度、光强度和物质的量，它们的量纲分别为L 、M 、T 、I 、Θ、J 、和N ；称为基本量纲。任一个物理量q 的量纲都可以表成基本量纲的幂次之积， []ηξεδγβαJ N I T M L q Θ= 量纲齐次性原则：用数学公式表示一个物理定律时，等式两端必须保持量纲一致。 量纲分析就是在保证量纲一致的原则下，分析和探求物理量之间关系；先看一个具体的例子，再给出量纲分析的一般方法。 例3—1： 单摆运动，质量为m 的小球系在长度为l 的线的一端，线的另一端固定，小球偏离平衡位置后，在重力mg 作用下做往复摆动，忽略阻力，求摆动周期t 的表达式。 解：在这个问题中有关的物理量有g l m t ,,,设它们之间有关系式 3 211αααλg l m t = ---------------（3.1） 其中32,,ααα为待定常数，入为无量纲的比例系数，取（3．1）式的量纲表达式有 [][][][]3 2 1 α ααg l m t = 整理得：3321 2αααα-+=T L M T --------------（3.2） 由量纲齐次原则应有 ?? ? ??=-=+=1 200 3321αααα ---------------（3.3） 解得：,2 1 ,2 1 , 0321- == =ααα 代入（3．1）得 g l t λ= -------（3.4） （3.4）式与单摆的周期公式是一致的 下面我们给出用于量纲分析建模的 Buckingham Pi 定理， 定理：设n 个物理量n x x x ,,,21 之间存在一个函数关系 ()0,,,21=n x x x f --------------（3.5）

数据标准化处理方法

数据标准化处理方法 Company number：【WTUT-WT88Y-W8BBGB-BWYTT-19998】

数据标准化处理方法 在数据分析之前，我们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。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。