如何使用R语言sweep函数实现基于min和max的矩阵归一化

Min-Max归一化的公式是：yi = (xi - min(x)) / (max(x) - min(x))，我们可以通过两次调用sweep函数完成计算，具体实现如下：

按列归一化（最常用场景） #

1. 先计算矩阵每一列的最小值和最大值：

# 创建示例矩阵
set.seed(123)
mat <- matrix(rnorm(12, mean = 5, sd = 2), nrow = 4, ncol = 3)

# 计算列最小值和最大值
col_mins <- apply(mat, 2, min)
col_maxs <- apply(mat, 2, max)

2. 第一次用sweep减去对应列的最小值：

mat_centered <- sweep(mat, MARGIN = 2, STATS = col_mins, FUN = "-")

3. 计算列的极差（max - min），再用第二次sweep完成除法：

col_ranges <- col_maxs - col_mins
normalized_mat <- sweep(mat_centered, MARGIN = 2, STATS = col_ranges, FUN = "/")

也可以把两次sweep合并成一行代码：

normalized_mat <- sweep(sweep(mat, 2, col_mins, "-"), 2, col_ranges, "/")

按行归一化 #

如果需要按行进行归一化，只需调整apply和sweep的MARGIN参数为1（代表行）：

# 计算行最小值和极差
row_mins <- apply(mat, 1, min)
row_ranges <- apply(mat, 1, max) - row_mins

# 执行归一化
normalized_mat_row <- sweep(sweep(mat, 1, row_mins, "-"), 1, row_ranges, "/")

处理特殊情况 #

如果某一列（或行）的所有值完全相同，极差会为0，直接除法会得到NaN。可以提前处理这种情况，比如将这类列的归一化结果设为0：

# 替换极差为0的值为1（避免除以0），再将对应列的结果设为0
col_ranges[col_ranges == 0] <- 1
normalized_mat <- sweep(mat_centered, 2, col_ranges, "/")
normalized_mat[, col_maxs == col_mins] <- 0

内容的提问来源于stack exchange，提问作者Msc