R语言数据标准化

在数据分析之前，我们通常需要先将数据标准化（normalization），利用标准化后的数据进行数据分析。 数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间， 其中最典型的就是数据的归一化处理，即将数据统一映射到[0,1]区间上。  数据归一化后可以提升模型的收敛速度和精度。

1.  
   ### 1. 离差标准化
2.  
   # 数据映射到[0,1]
3.  
   mat <- matrix(data = sample(0:10000,1000,replace=TRUE),
4.  
   nrow = 100, ncol = 10, byrow = TRUE,
5.  
   dimnames = list(paste0("gene", 1:100),
6.  
   paste0("sample", 1:10)))
7.  
    
8.  
    
9.  
   normalize <- function(x){
10.  
    return ((x-min(x))/(max(x)-min(x)))
11.  
    }
12.  
     
13.  
    apply(mat,2,normalize) # 对列操作
14.  
     
15.  
     
16.  
    # 数据映射到[-1,1]
17.  
    normalize2 <- function(x){
18.  
    return ((x-mean(x))/(max(x)-min(x)))
19.  
    }
20.  
     
21.  
    class(mat) # [1] "matrix" "array"
22.  
    mat_norm <- apply(mat,2,normalize2)
23.  
    class(mat_norm) # [1] "matrix" "array"
24.  
     
25.  
    ### 2. log函数转换
26.  
    # 所有的数据都要大于等于1
27.  
    # 除以log10(max)后在[0,1]区间上
28.  
     
29.  
    # log(x, base)
30.  
    log(10) #default 自然对数
31.  
    log(10,10)
32.  
    log(10,2)
33.  
     
34.  
    lognorm <- function(x){
35.  
    return (log(x,10)/log(max(x),10))
36.  
    }
37.  
     
38.  
    mat_lognorm <- apply(mat,2,lognorm)
39.  
    # 二代测序数据基因表达数据，往往 1 再取log
40.  
     
41.  
    ### 3.z-score标准化，标准差标准化
42.  
    # 经过该方法处理的数据的均值是0，标准差是1
43.  
    # z = (x-μ)/σ
44.  
     
45.  
    scale(mat) #
46.  
    class(scale(mat)) # [1] "matrix" "array"
47.  
     
48.  
    # x <- 1:10
49.  
    x <- matrix(1:10, ncol = 2)
50.  
    scale(x) # z-score normalization
51.  
    #scale(x,center = TRUE, scale = TRUE)
52.  
     
53.  
    ### 4. 各种包中的标准化函数
54.  
    # R语言很多bioconductor包都有自己的数据标准化预处理方法

这篇好文章是转载于：学新通技术网