数据归一化及简单实现.md

• 受到单位和使用场景等等的影响，直接用两个单位如天和肿瘤大小，尺度大小不标准，导致不准确
• 最值归一化，明显分布边界存在时，把所有数据映射到0-1，如考试成绩，图像的像素 nomalize

  公式：Xscale = x - Xmin / Xmax - Xmin
  
  x = np.random.randint(0, 100, size=100)
  (x - np.min(x)) / (np.max(x) - np.min(x))

• 均值方差归一化 standardization,适用于有极端值，如收入，把所有数据归一到均值为0方差为1的分布中

Xscale = x - Xmean / s  
X2 = np.random.randint(0, 100, (50,2))
X2 = np.array(X2, dtype=float)
X2[:,0] = (X2[:,0] - np.mean(X2[:,0]) /np.std(X2[:,0]))  //第0列- 平均值 / 方差