关于k-匿名化Mondrian算法中标准化值范围的疑问

你提到的Mondrian算法里的“标准化值范围”，并不是你默认的全局min-max归一化（把整个数据集的特征值缩到[0,1]），这里的标准化逻辑主要有两种常见解读，对应算法的不同实现细节：

• 基于当前划分子集的局部量纲消除
  Mondrian是递归划分数据集的算法，每次只处理当前的样本子集，而非整个全局数据集。这里的“标准化”是为了消除不同特征的量纲差异：比如年龄的取值范围是几十，而收入的取值范围是几万，直接比原始范围会导致算法总是优先选收入划分，这显然不合理。所以会把每个特征的当前子集范围，除以该特征的全局范围，得到相对范围值——比如全局Age范围是17（30-13），当前子集Age范围是17，相对范围就是1；全局Income范围是10000，当前子集Income范围是5000，相对范围就是0.5，这时就会选Age作为划分特征。

• 采用z-score标准化而非min-max归一化
  LeFevre提到的“标准化”更可能是z-score标准化（将特征值转换为均值为0、方差为1的分布），这种方式不会把值压缩到[0,1]区间，而是保留了特征值的离散程度：比如当前子集的Age值波动大，z-score转换后的取值范围可能是[-1.5, 2.2]，宽度为3.7；而另一个特征z-score后的范围是[-0.8, 1.1]，宽度为1.9，这时就会选Age划分，因为它的标准化后范围更大，拆分后能更高效得到满足k-匿名的子集。

补充一句：Mondrian选划分特征的核心是优先挑当前子集中离散程度最高的特征，“标准化”只是公平比较的手段。你找不到明确说明，是因为这个细节属于算法的实现变体，不同资料或代码实现可能会用不同的标准化方式，但核心逻辑都是一致的。

内容的提问来源于stack exchange，提问作者Sanzor