數據歸一化
?????? 數據的標準化是將數據按比例縮放，使之落入一個小的特定區間，一般為0到1之間。在某些比較和評價的指標處理中經常會用到，去除數據的單位限制，將其轉化為無量綱的純數值，便于不同單位或量級的指標能夠進行比較和加權。
常見的數據歸一化的方法有：
1.min-max標準化(離差標準化)
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.log函數轉換
通過以10為底的log函數轉換的方法同樣可以實現歸一下，具體方法如下：
看了下網上很多介紹都是x*=log10(x)，其實是有問題的，這個結果并非一定落到[0,1]區間上，應該還要除以log10(max)，max為樣本數據最大值，并且所有的數據都要大于等于1。
3.atan函數轉換
用反正切函數也可以實現數據的歸一化：
使用這個方法需要注意的是如果想映射的區間為[0,1]，則數據都應該大于等于0，小于0的數據將被映射到[-1,0]區間上。
而并非所有數據標準化的結果都映射到[0,1]區間上，其中最常見的標準化方法就是Z標準化，也是SPSS中最為常用的標準化方法：
4.z-score 標準化(標準差標準化)
經過處理的數據符合標準正態分布，即均值為0，標準差為1，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準差。
?
?
??? 那么明天的任務就有了——數據歸一化
)
