Z-Score归一化

一、组件说明

在联邦学习任务中，Z-score归一化是一种常用的数据归一化方法，也称为标准化。它可以将数据转换为具有相同均值和标准差的分布。Z-Score归一化的具体操作是，对每个数据点x，将其减去数据集的均值μ，然后除以标准差σ，即：

z = (x - μ) / σ

这样处理后，数据集的均值将变为0，标准差将变为1。这种归一化方法能够保持原始数据的分布形态，同时避免了极端值的影响。在机器学习领域，Z-Score归一化经常用于数据处理，例如神经网络、聚类分析等应用。

组件截图

二、参数说明

三、有配置文件可读

在上游有配置文件可以选择的时候，可以使用配置文件进行Z-score归一化。填充的字段、方式、映射方式、缩放比例和配置文件相同。举例：在训练过程中，训练数据的μ=1.5，σ=2.2。希望用训练数据的缩放比例来填充至预测数据中，此时可以将训练时使用的配置文件，通过【读配置文件】接入到【Z-Score归一化】的输入桩中，以此来保证训练数据和预测数据的一致性，如下图所示：