数据归一化

Question

我是在BI和BD非常新，但希望有一些方向以下。当我想把“好的”或“最好的”链接分类时，我就可以使用像Facebook上的计数或者推特上的转发计数。但有些社区拥有庞大的用户群，因此他们的链接得到了更多的喜爱或转发。我如何“正常化”这些庞大的社区喜欢的，例如，类似的新闻链接，一个小得多的社区，谁有更少的计数？

顺便问一下，这叫正常化吗？在什么样的书中，我能学到这类关于“质量”的算法(例如，在本文中)？不管怎么说，我想做的是什么？

Thnx。

Answer 1

您可以尝试这种线性回归：

Quality_of_link = alfa + B1*Number_of_links + B2*User_base +错误项。

要确定因变量(B1、User_base)的参数(Number_of_links、User_base)，可以使用历史数据(number_of_links；user_base；链接质量)，并通过运行线性回归来估计参数的值。你可以在一个静态程序中完成这个任务。良好的静态程序包括R项目和SPSS。

在这方面重要的是确定Quality_of_link的客观方法。我认为你可以做一个测试，通过评级的一些链接，更好的目标受众的网站。然后使用一个标度(例如0-100)给链接的平均值。

在测试阶段运行回归之后，您可以在最终模型中使用它。然后是: Quality_of_link = alfa + B1*Number_of_links + B2*User_base。然后，您可以使用上面的一个Quility_of_link，70以上是一个好链接，高于90个最佳链接。

对于好的教科书来说，很难把你指给你看一本我自己还没读过的书。如果有些知识需要更新，我首先建议使用您已经使用过的知识。

希望这能有所帮助。成功完成你的项目。

Answer 2

是的，这叫做标准化或标准化。

您可以计算一篇文章的“喜欢”数的Z分†，这样比较是公平的。Z-分数是指一个值高于平均值的标准差数.

您可能在https://stats.stackexchange.com/上得到一些更好的建议。

祝好运!

†如果你是抽样，你应该使用T-统计数字代替.