Стандартизировать поле (Инструменты Управление данными)
Краткая информация
Стандартизирует значения в полях, конвертируя их в значения, соответствующие заданному масштабу. Методы стандартизации включают z-оценку, минимум-максимум, абсолютный максимум и надежную стандартизацию.
Иллюстрация
Использование
Внимание:
Этот инструмент изменяет входные значения. Более подробно о стратегиях предотвращения нежелательных изменений данных см. в разделе Инструменты, которые изменяют или обновляют входные данные.
Есть четыре метода стандартизации: Z-оценка, Минимум-максимум, Абсолютный максимум и Надежная стандартизация.
Метод Z-оценка измеряет разницу между значением и средним всех значений в поле, используя стандартные отклонения. Он также называется стандартной оценкой.
Potential application—Оценка важности значения в отношении распределения значений в поле. Например, можно оценить участие округа в голосовании в контексте других округов страны, что поможет определить типичные модели участия избирателей и округа с особенно высоким и низким уровнем участия.
Consideration—Этот метод ожидает нормальное распределение. Этот метод не рекомендуется использовать в случаях, когда распределение данных сильно искажено.
Equation—
, где x' - это стандартизированное значение, x - исходное значение, x̄ - среднее, а σx - стандартное отклонение.
Метод Минимум-максимум сохраняет отношения между исходными значениями при преобразовании значений в шкалу между заданными пользователем минимальным и максимальным значениями.
Potential application—Оценщик недвижимости хочет масштабировать такие характеристики домов, как число комнат в доме или возраст дома в годах, в ту же шкалу перед использованием этой характеристики в модели, например, в инструменте Классификация на основе леса и регрессия.
Consideration—Этот метод подвержен влиянию выбросов, то есть экстремальных значений данных.
Equation—
, где x' - стандартизированное значение, x - исходное значение, min(x) - минимальное значение, max(x) - максимальное значение, a - заданный пользователем минимум, а b - заданный пользователем максимум.
Метод Абсолютный максимум сравнивает разницу между текущим и максимальным абсолютным значениями в распределении путем деления каждого значения на максимальное абсолютное значение поля.
Potential application—Этот метод может пригодиться, если вы работаете с данными, имеющими стабильный и надежный максимум, и вы хотите сравнить каждое значение с этим максимумом. Например, количество поданных в округе голосов не может превышать число жителей округа, имеющих избирательное право. Округ с наибольшей долей голосов становится этим максимумом, и все остальные округа оцениваются по отношению к абсолютному максимальному числу участвовавших в выборах избирателей.
Consideration—Выходные масштабы находятся между -1 и 1. Большие положительные значения соответствуют значениям, близким к 1, а большие отрицательные значения - значениям, близким к -1.
Equation—
, где x' - стандартизированное значение, x - исходное значение, а max(|x|) - максимальное абсолютное значение данных.
Метод Надежной стандартизации стандартизирует значения в указанных полях, используя надежный вариант z-оценки. В этом варианте вместо среднего и стандартного отклонения используются медиана и межквартильный размах.
Potential application—Оценщик недвижимости хочет оценить стоимость жилья в городе, где один конкретный район с чрезвычайно высокой стоимостью домов приводит к появлению выбросов в данных. Оценщик использует надежную стандартизацию, чтобы смягчить влияние этих выбросов на распределение стоимости недвижимости в городе.
Consideration—Благодаря использованию медианы и межквартильного диапазона этот метод может оказаться эффективным в случае необходимости смягчения влияния выбросов в распределении.
Equation—
, где x' - стандартизированное значение, x - исходное значение, median(x) - медиана данных, а IQR(x) - межквартильный диапазон данных.
Если задано несколько полей, указанный метод стандартизации применяется ко всем полям.
Инструмент изменяет входные данные и добавляет вновь созданные стандартизированные поля во входную таблицу или класс пространственных объектов.
Для каждого выбранного поля в сообщениях геообработки отображается сводная статистика. Она содержит максимальное и минимальное значения, сумму, среднее, медиану, асимметрию и эксцесс.
При стандартизации z-оценки среднеквадратическое отклонение оценивается делением квадрата отклонения от среднего на N, для N записей, а затем извлечением квадратного корня. Некоторые реализации среднеквадратического отклонения делят на (N-1), что вызывает различия в оцененном среднеквадратическом отклонении.
Параметры
| Подпись | Объяснение | Тип данных |
|---|---|---|
|
Входная таблица |
Таблица, содержащая поля со значениями, которые будут стандартизированы. |
Table View; Raster Layer; Mosaic Layer |
|
Поле для стандартизации |
Поля со значениями, которые будут стандартизированы. Для каждого поля можно указать имя выходного поля. Если имя выходного поля не указано, инструмент создаст имя выходного поля, используя имя поля и выбранный метод. Столбцы таблицы значений:
|
Value Table |
|
Метод стандартизации (Дополнительный) |
Задает метод, используемый для стандартизации значений, содержащихся в указанных полях.
|
String |
|
Минимальное значение (Дополнительный) |
Значение, используемое методом Минимум-максимум параметра Метод стандартизации, для указания минимального значения в шкале предоставленных выходных значений. |
Double |
|
Максимальное значение (Дополнительный) |
Значение, используемое методом Минимум-максимум параметра Метод стандартизации, для указания максимального значения в масштабе предоставленных выходных значений. |
Double |
Производные выходные данные
| Подпись | Объяснение | Тип данных |
|---|---|---|
|
Обновленная входная таблица |
Таблица, содержащая новые закодированные поля. |
Table View |
Параметры среды
Информация о лицензировании
- Basic: Да
- Standard: Да
- Advanced: Да