Normalisointikaava (sisällysluettelo)

  • Kaava
  • esimerkit
  • Laskin

Mikä on normalisointikaava?

Tilastoinnissa on monia työkaluja tietojen analysoimiseksi yksityiskohtaisesti, ja yksi yleisimmin käytetyistä kaavoista tai menetelmistä on normalisointimenetelmä. Normalisointia ja standardisointia on käytetty keskenään, mutta niillä on yleensä erilaiset tulkinnat ja erilaiset merkitykset. Normalisointi maallikolla tarkoittaa datan normalisointia. Normalisointi viittaa datan skaalaamiseen numeerisissa muuttujissa välillä 0 - 1.

Normalisoinnin kaava on

X new = (X – X min) / (X max – X min)

Missä

  • X: Se on joukko X: ssä havaittuja arvoja.
  • X min : Se on vähimmäisarvot X: ssä
  • X max : Se on X: n maksimiarvot

Esimerkkejä normalisointikaavasta (Excel-mallilla)

Otetaan esimerkki ymmärtää normalisoinnin laskenta paremmin.
Voit ladata tämän normalisointikaavan Excel -mallin täältä - Normalization Formula Excel Template

Normalisointikaava - esimerkki # 1

Laske normalisointi seuraavalle tietojoukolle.

Tietojoukon maksimiarvo lasketaan muodossa

Joten 75 on annetun tietojoukon maksimiarvo.

Tietojoukon vähimmäisarvo lasketaan muodossa

20 on annetun tietojoukon minimiarvo.

Normalisointi lasketaan alla olevan kaavan avulla

X uusi = (X - X min) / (X max - X min)

Samoin lasimme normalisoinnin kaikille data-arvoille.

Normalisointikaava - esimerkki 2

Laske normalisointi seuraavalle tietojoukolle.

Tietojoukon maksimiarvo lasketaan muodossa

Joten 164 on annetun tietojoukon maksimiarvo.

Tietojoukon vähimmäisarvo lasketaan muodossa

101 on annetun tietojoukon minimiarvo.

Normalisointi lasketaan alla olevan kaavan avulla

X uusi = (X - X min) / (X max - X min)

Samoin lasimme normalisoinnin kaikille data-arvoille.

Normalisointikaava - esimerkki 3

Laske normalisointi seuraavalle tietojoukolle.

Tietojoukon maksimiarvo lasketaan muodossa

Joten 197 on annetun tietojoukon maksimiarvo.

Tietojoukon vähimmäisarvo lasketaan muodossa

121 on annetun tietojoukon minimiarvo.

Normalisointi lasketaan alla olevan kaavan avulla

X uusi = (X - X min) / (X max - X min)

Samoin lasimme normalisoinnin kaikille data-arvoille.

Selitys

Normalisointikaava voidaan selittää seuraavissa vaiheissa: -

Vaihe 1 : Tietojen perusteella käyttäjän on löydettävä suurin ja pienin arvo määrittääkseen tietojoukon ääriviivat.

Vaihe 2: Sitten käyttäjän on löydettävä ero tietojoukon maksimiarvon ja minimiarvon välillä.

Vaihe 3: Arvo - Min on määritettävä jokaisessa sarjan datapisteessä.

Vaihe 4 : Kun kaikki tietojoukon arvot on määritetty, arvo on asetettava kaavaan eli X uusi = (X - X min) / (X max - X min)

Normalisointikaavan relevanssi ja käyttö

  • Normalisointia käytetään laajalti tiedon louhintatekniikoissa ja tietojenkäsittelytekniikoissa. Sitä kutsutaan yleensä esillä olevaksi skaalausksi, jonka avulla yrität tuoda tietoja normalisoidussa tai standardisoidussa muodossa analysoidaksesi sitä ja piirtääksesi erilaisia ​​tulkintoja.
  • Tätä kaavaa käytetään myös ennustemallinnuksessa ja ennustamisessa, mikä tekee mallista asiaankuuluvamman ja käyttäjäystävällisemmän.
  • Tätä kaavaa ja tekniikkaa käytetään myös erilaisten pääsykokeiden merkintäjärjestelmässä, jotta varmistetaan, että tutkinnon vaikeustaso ei hyödytä eikä riistä hakijaa, minkä seurauksena ehdokas, joka on yrittänyt yksinkertaisia ​​tai helpompia kysymyksiä voi saada enemmän pisteitä testissä verrattuna ehdokkaisiin, jotka yrittävät vaikeita kysymyksiä ajatellen saada enemmän pisteitä.
  • Normalisoinnilla on myös omat rajoituksensa siinä mielessä, että jos aineistossa on enemmän poikkeavia, niin tietojoukon normalisoimisesta tulee työlästä ja datalle vaikea tehtävä.

Normalisointikaavalaskin

Voit käyttää seuraavaa normalisointilaskuria

X
X vähintään
X maksimi
X uutta

X uusi =
X - X vähintään
=
X maksimi -X minimi
0-0
= 0
0-0

Suositellut artikkelit

Tämä on opas normalisointikaavaan. Tässä keskustellaan siitä, kuinka normalisointi voidaan laskea käytännön esimerkkien avulla. Tarjoamme myös normalisointilaskurin ladattavalla excel-mallilla. Voit myös katsoa seuraavia artikkeleita saadaksesi lisätietoja -

  1. Opas Range-kaavaan
  2. Yksinkertaisen korkokaavan laskeminen
  3. Esimerkkejä kaksinkertaisen ajan kaavasta
  4. Keskimääräisen kaavan laskin