Elysia Tools
导航
Data Processing
使用Min-Max缩放将数值数据标准化到0-1范围。完美用于机器学习预处理、数据分析和特征缩放。 功能特点： - Min-Max缩放（0-1标准化） - 自定义范围支持（如-1到1） - 多列选择 - 自动数据类型检测 - 处理缺失值 - 保留非数值列 - 包含统计摘要 常见用途： - 机器学习特征准备 - 神经网络输入标准化 - 数据可视化预处理 - 不同尺度的比较分析
执行
填写表单、运行工具，并在同一页面查看结果。
案例
相关内容
等待运行
工具使用指南
Min-Max标准化工具是一款高效的数据处理工具，能够将数值型数据按比例缩放至指定的范围（默认为0-1）。它广泛应用于机器学习特征工程、神经网络输入预处理及多维度数据对比分析，帮助用户消除不同量纲对模型或分析结果的影响。
背景
正在准备一份包含“年龄”和“年薪”的客户数据集，两者数值量级差异巨大，直接输入模型会导致权重偏差。
问题
需要将所有数值特征统一缩放到0-1区间，以保证模型训练的公平性。
如何使用
粘贴CSV数据，选择“年龄”和“年薪”列，设置输出范围为0, 1，并保留统计信息。
targetColumns: age, salary; outputRange: 0, 1; includeStatistics: true结果
所有数值被映射至0-1之间，且工具输出了各列的均值、标准差等统计摘要，方便后续建模。
背景
需要对比“用户点击量”和“转化率”两个指标，由于点击量是千级，转化率是百分比，直接绘图无法观察相关性。
问题
将两个不同量级的指标标准化，以便在同一图表中展示其波动趋势。
如何使用
上传数据，选择目标列，设置处理缺失值为“用均值填充”，并勾选“保留原始列”以便核对。
handleMissing: fill_median; preserveOriginal: true; decimalPlaces: 2结果
生成了标准化后的新列，两个指标现在处于同一量级，能够清晰地在折线图中对比其走势。
Min-Max标准化是一种线性变换方法，通过将原始数据减去最小值并除以极差，将数据映射到指定的区间（通常是0到1）。
本工具支持多种缺失值处理方式，包括跳过缺失行、用均值、中位数、零、最小值或最大值进行填充。
可以，通过设置输出范围参数，您可以将数据缩放到任意指定的区间，例如-1到1。
不会，工具会自动识别并仅对数值列进行标准化，非数值列将保持原样输出。
您可以通过设置“小数位数”选项来控制输出结果的精度，支持保留0到10位小数。