R语言标准化（归一化）之scale（）函数、sweep（）函数

#数据集

x<-cbind(c(1,2,3,4),c(5,5,10,20),c(3,6,9,12))

#自己写标准化

x_min_temp<-apply(x,2,min)
x_min<-matrix(rep(x_min_temp,4),byrow=TRUE,ncol=3)#需要输入行数和列数
abs(x-x_min)#当前值减去均值
x_extreme_temp<-apply(x,2,max)-apply(x,2,min)
x_extreme<-matrix(rep(x_extreme_temp,4),byrow=TRUE,ncol=3)#需要输入行数和列数
abs(x-x_min)/x_extreme

#sweep函数

center <- sweep(x, 2, apply(x, 2, min),'-') #在列的方向上减去最小值，不加‘-’也行
R <- apply(x, 2, max) - apply(x,2,min) #算出极差，即列上的最大值-最小值
x_star<- sweep(center, 2, R, "/") #把减去均值后的矩阵在列的方向上除以极差向量

#sweep函数更简洁、易懂，且不需要输入行数和列数，二者性能也差不多

#sweep再举一个例子哈
m<-matrix(c(1:9),byrow=TRUE,nrow=3)
#第一行都加1，第二行都加4，第三行都加7
sweep(m, 1, c(1,4,7), "+")

#scale函数，这个比较简单，不多说
scale(x, center = TRUE, scale = TRUE)

有些地方说归一化，有些地方说标准化，万能的CSDN，谁能告诉我归一化和标准化的区别？

2019年补充，

归一化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。
z-score适用于属性A的最大值和最小值未知的情况（此时归一化已经不合适了，哈哈），或有超出取值范围的离群数据的情况（此时归一化的效果也不好了，哈哈）；该种方式要求原始数据的分布可以近似为高斯分布，否则归一化的效果会变得很糟糕【这一条我也不是很确认】。

R语言标准化（归一化）之scale（）函数、sweep（）函数相关推荐

r语言min-max归一化_如何在R中使用min（）和max（）
r语言min-max归一化 Finding min and max values is pretty much simple with the functions min() and max() in ...
R语言使用party包中的ctree函数构建条件推理决策树的流程和步骤、条件推理决策树是传统决策树的一个重要变体、条件推理树的分裂是基于显著性测试而不是熵/纯度/同质性度量来选择分裂
R语言使用party包中的ctree函数构建条件推理决策树的流程和步骤(Conditional inference trees).条件推理决策树是传统决策树的一个重要变体.条件推理树的分裂是基于显著性 ...
R语言ggplot2可视化：通过在element_text函数中设置ifelse判断条件自定义标签文本的显示格式：例如、粗体、斜体等
R语言ggplot2可视化:通过在element_text函数中设置ifelse判断条件自定义标签文本的显示格式:例如.粗体.斜体等目录
R语言使用caret包中的createFolds函数对机器学习数据集进行交叉验证抽样、返回的样本列表长度为k个
R语言使用caret包中的createFolds函数对机器学习数据集进行交叉验证抽样.返回的样本列表长度为k个目录
R语言使用ggplot2包的快速可视化函数qplot绘制基础密度图实战
R语言使用ggplot2包的快速可视化函数qplot绘制基础密度图实战目录 R语言使用ggplot2包的快速可视化函数qplot绘制基础密度图实战 #仿真数据
R语言使用ggplot2包的快速可视化函数qplot绘制分组点图（带状图）并配置分组颜色实战
R语言使用ggplot2包的快速可视化函数qplot绘制分组点图(带状图)并配置分组颜色实战目录 R语言使用ggplot2包的快速可视化函数qplot绘制分组点图(带状图)并配置分组颜色实战 #仿真 ...
R语言使用ggplot2包的快速可视化函数qplot绘制分组箱图（jitter、分组颜色配置）实战
R语言使用ggplot2包的快速可视化函数qplot绘制分组箱图(jitter.分组颜色配置)实战目录 R语言使用ggplot2包的快速可视化函数qplot绘制分组箱图(jitter.分组颜色配置) ...
R语言使用ggplot2包的快速可视化函数qplot绘制密度图（主题、轴标签设置）实战
R语言使用ggplot2包的快速可视化函数qplot绘制密度图(主题.轴标签设置)实战目录 R语言使用ggplot2包的快速可视化函数qplot绘制密度图(主题.轴标签设置)实战 #仿真数据
R语言使用ggplot2包的快速可视化函数qplot绘制散点图实战
R语言使用ggplot2包的快速可视化函数qplot绘制散点图实战目录 R语言使用ggplot2包的快速可视化函数qplot绘制散点图实战 #仿真数据
R语言使用ggplot2包的快速可视化函数qplot绘制基础直方图实战
R语言使用ggplot2包的快速可视化函数qplot绘制基础直方图实战目录 R语言使用ggplot2包的快速可视化函数qplot绘制基础直方图实战 #仿真数据

R语言标准化（归一化）之scale（）函数、sweep（）函数

R语言标准化（归一化）之scale（）函数、sweep（）函数相关推荐

最新文章

热门文章