روش‌های نرمال سازی داده‌ها

انواع روش‌های نرمال سازی داده‌ها در تصمیم‌گیری چندمعیاره

آشنایی با روش‌های نرمال سازی داده‌ها

منبع: حبیبی، آرش؛ ایزدیار، صدیقه؛ سرافرازی، اعظم. (۱۳۹۳)، تصمیم‌گیری چندمعیاره فازی، انتشارات کتیبه گیل

نرمال سازی یا بی مقیاس سازی یک مفهوم زیربنایی در تکنیک‌های تصمیم‌گیری چندمعیاره مانند تکنیک AHP و ANP استد. نرمال سازی در تکنیک‌های تصمیم‌گیری چندمعیاره به معنای بی‌مقیاس سازی است و امکان مقایسه داده‌ها با معیارهای سنجش متفاوت را میسر می‌کند. فرض کنید میخواهید دو نفر را براساس قد، وزن، سن و نمره مقایسه کنید. بدیهی است قد براساس سانتی‌متر، وزن براساس کیلوگرم و سن براساس سال است. هر معیار براساس مقیاس متفاوتی مورد سنجش قرار گرفته است بنابراین مقایسه این معیارها به سادگی میسر نیست. نرمال کردن در اینجا به معنای بی‌مقیاس کردن است.

۱ – نرمال کردن خطی

یک روش ساده برای نرمال کردن اعداد توسط ساعتی مطرح شده که به محاسبه بردار ویژه نیز معروف شده است. در این روش کافی است هر عدد در یک مجموعه بر مجموع عناصر آن مجموعه تقسیم شود. در این صورت جمع کل عناصر پس از نرمال‌سازی یک خواهد بود.

نرمال سازی خطی

۲ – نرمال کردن برداری

از روش نرمال سازی برداری در تکنیک تاپسیس استفاده می‌شود. مانند سایر روش های تصمیم گیری چندمعیاره ماتریس تصمیم باید نرمال شود. برای نرمال سازی مقادیر از روش برداری استفاده می شود. روش برداری برخلاف روش ساده نرمال سازی خطی به صورت زیر انجام می شود:

نرمال سازی برداری

۳ – استاندارد کردن

یک مفهوم دیگر از نرمال کردن که به استاندارد کردن نیز موسوم است که در تحلیل شبکه‌های عصبی مصنوعی و تحلیل پوششی داده‌ها کاربرد دارد. برای استاندارد کردن یک عنصر باید آن عنصر را منهای میانگین کرده و بر انحراف معیار تقسیم نمایید. در اینجا برای نرمال کردن یک عنصر باید آن عنصر را منهای مینیمم کرده و بر دامنه تغییرات تقسیم نمایید.

استانداردسازی داده ها
مباحث دیگری هم در زمینه نرمال کردن داده‌ها وجود دارد که در بخش آماری به آن پرداخته شده است.