当前位置：首页 > news >正文

机器学习数据预处理：数据归一化（Min-Max）超通俗全解

news 2026/7/11 2:50:01

机器学习数据预处理：数据归一化（Min-Max）超通俗全解

数据归一化是把不同量级、不同单位的特征，统一缩放到同一尺度的核心方法，几乎所有机器学习模型训练前都会用到，本科生、研究生都必须熟练掌握。

一、什么是数据归一化？为什么一定要做？

1. 一句话理解

归一化 = 把所有特征按比例“压扁”到 [0,1] 区间，让特征对模型的影响公平。

2. 不做归一化会怎样？

举个例子：

身高：150~200（数值大）
体重：30~100（数值小）

模型会错误认为身高比体重重要得多，因为数值范围差距太大，导致：

模型精度下降
收敛速度变慢
距离类算法（KNN、K-Means、SVM）完全失效

二、最常用方法：Min-Max 归一化

1. 核心公式

x_norm = (x - x_min) / (x_max - x_min)

2. 符号解释

x：原始数据
x_min：这一列特征的最小值
x_max：这一列特征的最大值
x_norm：归一化后结果（一定在0~1之间）

3. 直观计算例子

原始分数：[40, 60, 80, 90, 100]

min = 40
max = 100
分母 = 100 - 40 = 60

计算：

40 → (40-40)/60 =0
60 → (60-40)/60 ≈0.33
80 → (80-40)/60 ≈0.67
90 → (90-40)/60 ≈0.83
100 → (100-40)/60 =1

归一化结果：[0, 0.33, 0.67, 0.83, 1]

三、数学原理（详细推导，考试/论文必备）

1. 目标

构造线性函数：

f(x) = a·x + b

满足：

x = x_min → f(x) = 0
x = x_max → f(x) = 1

2. 求解系数

由边界条件可推出：

a = 1 / (x_max - x_min)
b = -x_min / (x_max - x_min)

3. 最终公式

f(x) = (x - x_min) / (x_max - x_min)

4. 重要性质

线性变换：不改变数据相对大小与分布形状
保留相对距离：不破坏数据规律
范围严格 0~1：适合需要固定输入范围的模型

四、完整可运行代码（含4张可视化图）

直接复制运行，包含：计算、折线图、柱状图、映射曲线、分布对比。

importnumpyasnpimportmatplotlib.pyplotasplt# 原始数据original_scores=np.array([40,60,80,90,100])# 归一化计算min_val=np.min(original_scores)max_val=np.max(original_scores)normalized_scores=(original_scores-min_val)/(max_val-min_val)# 放大到0-100方便对比normalized_scaled=normalized_scores*100# 绘图fig,axs=plt.subplots(2,2,figsize=(16,10))fig.suptitle('Data Normalization (Min-Max) Analysis',fontsize=20)# 1. 折线图axs[0,0].plot(original_scores,'ro-',linewidth=3,markersize=10,label='Original')axs[0,0].plot(normalized_scaled,'bs--',linewidth=3,markersize=10,label='Normalized')axs[0,0].set_title('Line Chart: Original vs Normalized')axs[0,0].legend()axs[0,0].grid(True)# 2. 柱状图idx=np.arange(len(original_scores))w=0.35axs[0,1].bar(idx,original_scores,w,color='orange',label='Original')axs[0,1].bar(idx+w,normalized_scaled,w,color='purple',label='Normalized')axs[0,1].set_title('Bar Chart Comparison')axs[0,1].legend()axs[0,1].grid(True)# 3. 映射曲线axs[1,0].scatter(original_scores,normalized_scores,s=150,color='lime')x_line=np.linspace(min_val,max_val,100)y_line=(x_line-min_val)/(max_val-min_val)axs[1,0].plot(x_line,y_line,'k--',linewidth=2,label='Mapping Curve')axs[1,0].set_title('Scatter Plot: Mapping Function')axs[1,0].set_xlabel('Original')axs[1,0].set_ylabel('Normalized')axs[1,0].legend()axs[1,0].grid(True)# 4. 分布直方图axs[1,1].hist(original_scores,bins=8,alpha=0.7,color='cyan',label='Original')axs[1,1].hist(normalized_scaled,bins=8,alpha=0.7,color='magenta',label='Normalized')axs[1,1].set_title('Histogram Distribution')axs[1,1].legend()axs[1,1].grid(True)plt.tight_layout()plt.show()

五、可视化结果说明（超清晰）

折线图：归一化后趋势不变，只是尺度统一
柱状图：直观对比原始值与归一化值的差异
映射散点图：完美符合线性公式 y = kx + b
直方图：数据分布形状不变，仅范围被压缩

六、归一化 vs 标准化（最易混淆点）

方法	公式	输出范围	异常值影响	适用场景
归一化	(x-min)/(max-min)	[0,1]	非常大	固定范围、图像、KNN
标准化	(x-μ)/σ	无固定范围	较小	正态分布、梯度下降、SVM