如何“调整”数据集，使总和等于1.（我以为我知道正确的术语）

Posted 2021-04-11

我提前道歉这个问题措辞粗糙的方式。我最长时间的印象是我正在尝试做的事情被称为“规范化数据”，但谷歌搜索后试图找到这样做的方法，我似乎错了所以我不确定它到底是什么我打算这样做（请跟我说）。

我有一组这样的数据：

0.17407
0.05013
0.08520
0.02892
0.02986
0.06286
0.04453
0.00425
0.20470
0.02267
0.01470
0.02460
0.01735
0.01069
0.02168
0.13912
0.02004
0.02018
0.07837

当你添加它们时，你得到1.05392。

我想“调整”数据集，以便相对值保持不变但总和等于1.当我用Google搜索规范化数据集时，我找到了这样的公式：

(x-min(x))/(max(x)-min(x))

但是，这只是将每个数据点“排名”为最大值的某个百分比，这样您的数据集中的最大值等于1，最小值为0。

额外：如果没有规范化数据，有人可以告诉我这是什么。很明显，我一直在徘徊这种无知的信念。

答案

如果您希望数据总和为1，则可以规范化数据。您可以通过除以系列的总和（sum_i x_i，其中x_i是数据系列的元素）进行标准化。

你提到的公式是另一种可能的重新缩放，但正如你所观察到的那样，它具有不同的效果。请注意，在第一种情况下，您映射x -> c*x（在您的情况下：x -> 1/1.05392*x），而第二种情况用x -> c*x + offset重新缩放。还要注意，后者不是线性的（除非是min(x) = 0），即f(x+y) != f(x) + f(y)。

如果你的整个混乱是关于事物的命名，那么我不会太担心。毕竟只有惯例和共同协议，但没有绝对的真理/权威。这些术语在不同领域重复使用，参见Normalization on Wikipedia：

规范化或规范化是指使某些事物更正常或更规则的过程