反向归一化函数咨询：将最大值映射为0、最小值映射为1的方法

当然存在这种反向映射的方法啦！本质上就是把常规的0-1归一化逻辑反转一下，咱们可以直接从原公式推导出来，非常简单。

先回顾你提到的常规0-1归一化公式：

常规归一化（将最大值映射为1，最小值映射为0）：
$$\text{normalized}(X) = \frac{X - \min}{\max - \min}$$

要实现将最大值映射为0、最小值映射为1的反向映射，只需要用1减去常规归一化的结果即可，推导后的最终公式有两种等价写法：

写法一（直观反转）： #

$$\text{reverse_normalized}(X) = 1 - \frac{X - \min}{\max - \min}$$

写法二（简化后）： #

$$\text{reverse_normalized}(X) = \frac{\max - X}{\max - \min}$$

效果验证： #

• 当X等于数据集的最大值max时，代入公式得：$\frac{\max - \max}{\max - \min} = 0$，完全符合需求
• 当X等于数据集的最小值min时，代入公式得：$\frac{\max - \min}{\max - \min} = 1$，完美满足要求
• 中间的数值会被线性映射到0-1区间，只是映射顺序和常规归一化完全相反

举个实际例子：假设你的数据范围是[3, 15]，用反向归一化处理时：

• 15（最大值）→ 0
• 3（最小值）→ 1
• 9（中间值）→ $\frac{15-9}{15-3} = \frac{6}{12} = 0.5$

内容的提问来源于stack exchange，提问作者user840718