無量綱化：

常用的如下兩種：

1、min-max標(biāo)準(zhǔn)化(Min-maxnormalization)

也叫離差標(biāo)準(zhǔn)化，是對原始數(shù)據(jù)的線性變換，使結(jié)果落到[0,1]區(qū)間，轉(zhuǎn)換函數(shù)如下：

其中max為樣本數(shù)據(jù)的最大值，min為樣本數(shù)據(jù)的最小值。

2. z-score標(biāo)準(zhǔn)化

最常見的標(biāo)準(zhǔn)化方法就是Z標(biāo)準(zhǔn)化，也是SPSS中最為常用的標(biāo)準(zhǔn)化方法，spss默認(rèn)的標(biāo)準(zhǔn)化方法就是z-score標(biāo)準(zhǔn)化。

也叫標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化，這種方法給予原始數(shù)據(jù)的均值（mean）和標(biāo)準(zhǔn)差（standard deviation）進行數(shù)據(jù)的標(biāo)準(zhǔn)化。

經(jīng)過處理的數(shù)據(jù)符合標(biāo)準(zhǔn)正態(tài)分布，即均值為0，標(biāo)準(zhǔn)差為1，其轉(zhuǎn)化函數(shù)為：

缺失值處理：

常用的幾種處理方法如下，根據(jù)不同的應(yīng)用場景進行選擇

1.直接刪除帶有缺失值的數(shù)據(jù)。

2.直接刪除有大量缺失值的變量

3.對缺失值進行替換。

利用代表性的屬性進行替換，比如眾數(shù)、均值等，或者人為定義一個數(shù)據(jù)去代替缺失值的情況。

4.對缺失值進行賦值

賦值的方法有回歸模型、決策樹模型、貝葉斯定理等去預(yù)測缺失值的最近替代值，也就是把缺失數(shù)據(jù)所對應(yīng)的變量當(dāng)作目標(biāo)變量，把其他的輸入變量作為自變量，為每個需要進行缺失值賦值的字段分別建立預(yù)測模型。