关于 数据归一化 工具
数据归一化工具帮助你将数据缩放到指定范围或标准分布。支持 Min-Max 归一化、Z-Score 标准化、小数定标三种方法，适合机器学习预处理、特征缩放、多指标对比等场景。
什么是数据归一化？
数据归一化（标准化）是将不同量级的数据转换到统一范围的过程。常见方法包括 Min-Max（缩放到 [0,1]）、Z-Score（转为均值0、标准差1的标准正态）、小数定标（除以10的幂次使绝对值小于1）。
归一化方法对比
| 方法 | 公式 | 特点 |
|---|---|---|
| Min-Max | (x-min)/(max-min)*(b-a)+a | 缩放到 [a,b]，保留原分布 |
| Z-Score | (x-μ)/σ | 均值0标准差1，受异常值影响小 |
| 小数定标 | x / 10^j | 使 |v|<1，简单 |
使用场景
- 机器学习：特征缩放，提升模型收敛速度。
- KNN/聚类：距离计算需要统一量级。
- 多指标对比：不同指标综合评分。
- 可视化：多指标在同一图表对比。
- 神经网络：输入归一化加速训练。
如何使用
- 输入数据，支持空格、逗号、换行分隔。
- 选择归一化方法。
- （Min-Max）设置目标范围。
- 点击「归一化」按钮。
- 查看结果并复制。
常见问题 FAQ
Q：Min-Max 和 Z-Score 有什么区别？
A：Min-Max 将数据缩放到指定区间（默认 [0,1]），保留原分布；Z-Score 转为均值0标准差1的标准正态分布。
Q：什么时候用归一化？
A：机器学习预处理、特征缩放、多指标对比、距离计算（如 KNN）等场景。