# 特征筛选

# 1、作用

数据标准化包括 去量纲化 和 一致化 。去量纲化旨在消除不同指标由于量纲差异导致的不可比性。故首先需将指标进行无量纲化，消除量纲影响后再进行接下来的分析和比较。

例如，某个变量的数值在1-10之间，而另一个变量的数值范围在100-1000之间，此时若进行综合评价，从数值的角度，很有可能数值变化范围大的变量，它的绝对作用就会较大，所占的比重较大。

一致化是确保所有指标的作用方向一致。在评价多个指标的综合作用时，有些指标是正向指标，即数值越大越好；而有些是负向指标，即数值越小越好。如果直接将这两类指标的效果直接相加，由于作用方向不同会导致评价结果失真。因此，需要对逆向指标进行一致化处理，通常是通过取反或其他适当的转换方法，以确保所有指标在综合评价中的作用方向一致。

# 2、输入输出描述

输入 ：一项或以上定量变量。
输出 ：新生成标准化后的变量。

# 3、案例示例

案例 ：现有某个年级关于各个班级的平均分以及优秀率、挂科率。仔细观察数据，文化平均分和体育平均分它们的数据量纲不一样，文化科的总分是100，体育的总分是50，如果我们不做数据标准化，那么肯定是文化科更能影响综合评价结果（因为文化课的值更大），所以需要对数据进行标准化处理。另外，去评价一个班级的综合水平，我们期望平均分、优秀率越高越好，挂科率越小越好，这就需要我们去对平均分、优秀率指标做正向指标处理，对挂科率做负向指标处理。

# 4、案例数据

数据标准化案例数据

# 5、案例操作

Step1：在“数据处理”模块新建处理；
Step2：上传文件；
Step3：选择对应数据打开后进行预览，确认无误后点击开始处理；

Step4：选择【数据标准化】；
Step5：查看对应的数据数据格式，【数据标准化】要求变量为定量变量，且至少有一项；
Step6：确认参数，有多种数据标准的方法可选择；