数据标准化方法在数据分析之前，我们通常需要先将数据标准化（normalization），利用标准化后的数据进行数据分析

数据标准化也就是统计数据的指数化

数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面

数据同趋化处理主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对测评方案的作用力同趋化，再加总才能得出正确结果

数据无量纲化处理主要解决数据的可比性

数据标准化的方法有很多种，常用的有“最小—最大标准化”、“Z-score标准化”和“按小数定标标准化”等

经过上述标准化处理，原始数据均转换为无量纲化指标测评值，即各指标值都处于同一个数量级别上，可以进行综合测评分析

一、Min-max 标准化min-max标准化方法是对原始数据进行线性变换

设minA和maxA分别为属性A的最小值和最大值，将A的一个原始值x通过min-max标准化映射成在区间[0,1]中的值x'，其公式为：新数据=（原数据-最小值）/（最大值-最小值）二、z-score 标准化这种方法基于原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化

将A的原始值x使用z-score标准化到x'

z-score标准化方法适用于属性A的最大值和最小值未知的情况，或有超出取值范围的离群数据的情况

新数据=（原数据-均值）/标准差spss默认的标准化方法就是z-score标准化

用Excel进行z-score标准化的方法：在Excel中没有现成的函数，需要自己分步计算，其实标准化的公式很简单

步骤如下：1.求出各变量（指标）的算术平均值（数学期望）xi和标准差si ；2.进行标准化处理：zij=（xij－xi）/si其中：zij为标准化后的变量值；xij为实际变量值

3.将逆指标前的正负号对调

标准化后的变量值围绕0上下波动，大于0说明高于平均水平，小于0说明低于平均水平

三、Decimal scaling小数定标标准化这种方法通过移动数据的小数点位置来进行标准化

小数点移动多少位取决于属性A的取值中的最大绝对值

将属性A的原始值x使用decimal scaling标准化到x'的计算方法是：x'=x/(10^j)其中，j是满足条件的最小整数

例如 假定A的值由-986到917，A的最大绝对值为986，为使用小数定标标准化，我们用每个值除以1000（即，j=3），这样，-986被规范化为-0.986

注意，标准化会对原始数据做出改变，因此需要保存所使用的标准化方法的参数，以便对后续的数据进行统一的标准化

以上内容由大学时代综合整理自互联网，实际情况请以官方资料为准。