对数据集做标准化处理的几种方法——基于R语言

转载

于 2019-07-23 12:09:00 发布 · 4.3k 阅读

·

3

·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/Grayling/p/11231011.html

文章标签：

本文介绍了在R语言中对数据集进行标准化处理的三种方法：使用scale函数，自建函数以及caret包的preProcess函数。通过示例详细解释了每种方法的实现过程，包括数据的中心化和标准化操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据集——iris（R语言自带鸢尾花包）

一、scale函数

scale函数默认的是对制定数据做均值为0，标准差为1的标准化。它的两个参数center和scale：

1）center和scale默认为真,即T

2）center为真表示数据中心化

3）scale为真表示数据标准化

中心化：所谓数据的中心化是指数据集中的各项数据减去数据集的均值。

标准化：标准化就是数据在中心化之后再除以标准差。变换后值域为[0,1]。

# 标准化与中心化
data(iris) # 读入数据
head(iris) #查看数据

Standard0<-scale(iris[1:4])
head(Standard0)
Standard1<-scale(iris[1:4],center=T)
head(Standard1)
Standard2<-scale(iris[1:4],center=F,scale=T)
head(Standard2)

二、用自建函数法

test <- iris
normalize <-

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。