数据的归一化处理

是的，把需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。首先归一化是为了后面数据处理的方便，其次是保证程序运行时收敛加快。

归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布，归一化在某个区间上是统计的坐标分布。轿拿归一化有同一、统一态帆侍和合一的意思。

1、（0,1)标准帆吵化：

这是最简单也是最容易想到的方法，通过遍历feature vector里的每一个数据，将Max和Min的记录下来，并通过Max-Min作为基数（即Min=0，Max=1）进行数据的归一化处理：

LaTex：｛x}_{normalization}=\frac{x-Min}{Max-Min}

Python实现：

2、Z-score标准化：

这种方法给予原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。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，这里的关键在于复合标准正态分布，个人认为在一定程度上改变了特征的分布，关于使用经验上欢迎讨论，我对这种标准化不是非常地熟悉。

实现的方法和详细的 *** 作步骤如下：

1、首先，打开软件，如下图所示，然后进入下一步。

2、其次，完成上述步骤后，单击SparkLines图以查看趋势图，如下图所示，然后进入下一步。

3、接着，完成上述步骤后，纵坐标显示的数据没有归一化，如下图所示，然后进入下一步历拦。

4、然后，完成上述步骤后，执行以下归一化过程，然后选择整个数据列，如下图所示，然后进入下一步。

5、随后，完成上述步骤后，右键单击并选择“Normalize”选项，如下图所示，然后进入下一步。

6、接着，完晌梁成上述步骤后，d出框可以设置一些信息，默认即可，如下图所示肢谨胡，然后进入下一步。

7、最后，完成上述步骤后，可以看到数据已归一化，如下图所示。这样，问题就解决了。

origin在460nm处归一化处理的方法如下：

1、最小值校准。在Origin软件的工作表中导入ASCII数据。由于仪器的原因，测试的基线对应的值可能并不相同，各个Fig.1中各曲线第一行的值不都为0，即基线没有经过校准（校零）。可以手动设置列值校准（这一步或许不是必须）。

2、作图。选中各列备指作曲线可以得到未经归一化时的原图。调整坐标，使需要展示的结果即需要校准的横坐标8至10部分的曲线位于画布中央（调整过程及结果不演示）。依次点击：分析、数学、曲线归一化，打早橘开归一化菜单并选择从图片中选择范围（红圈标注处）以及选择归一化方法：归一化到区间0，1，这样就可以让多条曲线，根据某一横坐标范围内的最大值进行归一化并为1。拖动鼠标，蓝色框选取需要最大值所在的范围，并在归一化窗口中点击确定。在这个案例中由于测试结果都只是一个单峰，只要将其完全选中即可，对于其他情形的讨论见文章末尾。此时软件根据设置的条件，已经生成了四条归一化的曲线。新生成的四条曲线默认都是红色仿睁配，由于最大值为1，远远小于原曲线的最大值，此时在图中似乎与基线重合而且不能区分。

3、美化与输出。软件会自动统一曲线颜色与名称的关系等，到这一步只要根据个人习惯、美化需要、作图标准等修改具体细节，即可输出JPG等格式的最终结果。

---