英文字典中文字典


英文字典中文字典51ZiDian.com



中文字典辞典   英文字典 a   b   c   d   e   f   g   h   i   j   k   l   m   n   o   p   q   r   s   t   u   v   w   x   y   z       







请输入英文单字，中文词皆可：


请选择你想看的字典辞典：
单词字典翻译
56686查看　56686　在百度字典中的解释百度英翻中〔查看〕
56686查看　56686　在Google字典中的解释Google英翻中〔查看〕
56686查看　56686　在Yahoo字典中的解释Yahoo英翻中〔查看〕

安装中文字典英文字典查询工具!


中文字典英文字典工具:
选择颜色:
输入中英文单字

































































英文字典中文字典相关资料:


  • 12种数据量纲化处理方式 - 知乎
    量纲化有很多种方式，但具体应该使用那一种方式，并没有固定的标准，而应该结合数据情况或者研究算法，选择最适合的量纲化处理方式，SPSSAU共提供12种量纲化处理方法，如下图。
  • 数学分析模型（一）：数据的无量纲处理方法及示例（附完整 . . .
    采用极值化方法对变量数据无量纲化是通过变量取值的最大值和最小值将原始数据转换为界于某一特定范围的数据，从而消除量纲和数量级的影响。 由于极值化方法对变量无量纲化过程中仅仅对该变量的最大值和最小值这两个极端值有关，而与其他取值无关，这使得该方法在改变各变量权重时过分依赖两个极端取值。 来计算，即每一个变量值与其平均值之差除以该变量的标准差，无量纲化后各变量的平均值为0，标准差为1，从而消除量纲和数量级的影响。 虽然该方法在无量纲化过程中利用了所有的数据信息，但是该方法在无量纲化后不仅使得转换后的各变量均值相同，且标准差也相同，即无量纲化的同时还消除了各变量在变异程度上的差异。 ，该方法在消除量纲和数量级影响的同时，保留了各变量取值差异程度上的信息。
  • 为了消除不同指标之间的量纲影响,采用标准化方法 (如极值 . . .
    为了消除不同指标之间的量纲影响，采用标准化方法（如极值标准化）将所有数据转换到同一量度范围内。 处理多指标数据时，量纲差异是首要障碍。 不同指标单位各异，例如销售额以万元计、客户满意度采用百分制评分、物流时效性则按小时衡量。
  • Matlab实现极值处理法：无量纲化数据的优化 - CSDN文库
    极值处理法是无量纲化的一种常见方法，它通过对指标数据进行处理，将原始数据转换为无量纲形式。 在Matlab这一强大的数学软件平台下，可以有效地实现极值处理法，具体地，可以分为极大型数据处理和极小型数据处理。
  • 第十期：去极值、标准化、中性化，数据预处理三步走
    极端值的定义方法有很多，一般是 先确定一个上下限，超出这个界限的就划为极端值，下面我们介绍经常使用的两种： 3σ法 和 百分位法。 1、3σ法 3σ法源于最经典的统计学3σ原则，即正态分布的数分布在（μ-3σ,μ+3σ)中的概率为99 73%，在3σ外的概率是0 27%，也就是图中尾部的那些数。 其中μ代表平均值，σ是标准差，3σ去极值法其实就是 把离平均值太远的值算作极端值，那么 多远是远呢？ 距离超过3倍标准差以上 的就是远了。 2、百分位法 百分位法是对所有的观察值按从小到大进行排序，最小的百分之X和最大的百分之X的人就是极端值，通常情况下，这个X一般取2 5，最小的2 5%和最大的2 5%相加，一共5%的数值被去除。 第二步： 处理的方法也有两种：截尾和缩尾
  • 数据处理——17种无量纲化处理方法说明_进行_标准化_平均值
    无量纲化，也称为数据的 标准化、规范化，是指不同指标之间由于量纲不同导致的不具有可比性，所以需要先进行无量纲化处理；它是通过 数据变换来消除原始变量的量纲影响 的方法；消除量纲影响后再进行后续分析。 ‍2、解释说明 例如： 某市医院建设投入金额为5千万，最终出院率为92%。 那么在同时使用这两个指标比如根据距离计算优劣时，会出现两个问题——单位问题和方向问题。 单位问题： 从数量级上来看，5千万与92%二者之间相差很大。 方向问题： 从数据方向来看，希望投入越低越好，出院率越高越好，二者方向不一致。 如果不解决数据的单位问题和方向问题，那么数据之间是不具有可比性的。 故需要将指标进行无量纲化处理后，再进行接下来的分析。 17种无量纲化处理方法，对于单位问题和方向问题处理有所差异。
  • 极值标准化法_百度百科
    极值标准化法是一种将属性数据按比例缩放到特定区间的数据预处理技术，常用于数据分析中以消除量纲差异。 其核心目标是通过线性或非线性变换，使数据落入如 [-1,1]或 [0,1]等限定范围内，便于后续统一分析。
  • 数据预处理：无量纲化处理技术详解-CSDN博客
    通过计算每个指标的最大值Mi和最小值mi，将原始指标值xij转换为 [0,1]区间内的标准化值xij∗，以消除不同指标间的量纲影响，便于后续数据分析和建模。 这种方法对于确保不同尺度数据的可比性和算法的稳定运行至关重要。
  • python极值法进行数据标准化 极大值标准化 - 51CTO博客
    通过利用变量取值的最大值和最小值（或者最大值）将原始数据转换为界于某一特定范围的数据，从而消除量纲和数量级影响，改变变量在分析中的权重来解决不同度量的问题。 由于极值化方法在对变量无量纲化过程中仅仅与该变量的最大值和最小值这两个极端值有关，而与其他取值无关，这使得该方法在改变各变量权重时过分依赖两个极端取值。 即每一变量值与其平均值μ之差除以该变量的标准差σ。 虽然该方法在无量纲化过程中利用了所有的数据信息，但是该方法在无量纲化后不仅使得转换后的各变量均值相同，且标准差也相同，即无量纲化的同时还消除了各变量在变异程度上的差异，从而转换后的各变量在聚类分析中的重要性程度是同等看待的。
  • 数据的标准化处理：分享几种常用方法 - 知乎
    极差标准化法，是消除变量量纲和变异范围影响最简单的方法。 具体的操作方法为：首先需要找出该指标的最大值（Xmax）和最小值（Xmin），并计算极差（R = Xmax - Xmin），然后用该变量的每一个观察值（X）减去最小值（Xmin），再除以极差（R），即： X’ = (X-Xmin) (Xmax-Xmin) 经过极差标准化方法处理后，无论原始数据是正值还是负值，该变量各个观察值的数值变化范围都满足0≤X’≤1，并且正指标、逆指标均可转化为正向指标，作用方向一致。 但是如果有新数据加入，就可能会导致最大值（Xmax）和最小值（Xmin）发生变化，就需要进行重新定义，并重新计算极差（R）。 二、Z-score标准化法





中文字典-英文字典  2005-2009