在R中构建预测模型时，是否应先拆分数据再执行归一化？

首先明确：必须按var分组分别归一化，不能直接对全部数据归一化。原因很简单：你的r组y值集中在1.067-1.077区间，s组集中在1.002-1.012区间，全局归一化会把两个组的数值混在一起计算min和max，导致组内原本的相对差异被破坏，完全不符合你“分组y值标准不同”的需求。分组归一化能让每组的y值独立映射到[0,1]区间，保留组内的相对关系。

修正你的分组归一化代码 #

你原本的拆分后归一化代码有错误——归一化时误用了整个数据集的y列，应该用对应分组的y列。修正后代码如下：

require(dplyr)
# 按var分组拆分数据
dataR <- data %>% filter(var == "r")
dataS <- data %>% filter(var == "s")

# 分别对每组的y列做归一化，保留原列并新增归一化列
norm_dataR <- dataR %>% mutate(norm_y = min_max_norm(y))
norm_dataS <- dataS %>% mutate(norm_y = min_max_norm(y))

合并归一化后的数据集 #

有两种常用方法：

1. 用dplyr的bind_rows()（推荐，支持同结构数据快速合并）：

merged_norm_data <- bind_rows(norm_dataR, norm_dataS)

2. 用基础R的rbind()：

merged_norm_data <- rbind(norm_dataR, norm_dataS)

更简洁的一步式写法 #

其实不用手动拆分再合并，直接用group_by()+mutate()就能完成分组归一化，代码更简洁且不易出错：

require(dplyr)
# 直接在原数据上按var分组，生成归一化列
merged_norm_data <- data %>%
  group_by(var) %>%
  mutate(norm_y = min_max_norm(y)) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者Tom