如何使小数变为整数？
小数定标规范化公式方法如下：
数据规范化的几种方法
1、Min-Max规范化
Min-Max规范化是将原始数据变换到[0,1]的空间中。公式：新数值=(原数值-极小值)/(极大值-极小值)。
2、Z-score规范化
假设A与B的考试成绩都为80分，A的考卷满分是100分（及格60分），B的考卷满分是500分（及格300分）。虽然两个人都考了80分，但是A的80分与B的80分代表完全不同的含义。那么如何用相同的标准来比较A与B的成绩呢？Z-Score就是用来解决这一类问题的。公式：新数值 = (原数值-均值)/标准差。
假设A所在班级平均分为80分，标准差为10。B所在班级平均分为400，标准差为100。那么A的新数值=(80-80)/10=0，B的新数值=(80-400)/100=-3.2。
所以在Z-Score标准下，A的成绩会比B的成绩好。我们能看到Z-Score的优点是算法简单，不受数据量级影响，结果易于比较。局限在于，它需要数据整体的平均值和方差，而且结果没有实际意义，只是用于比较。
3、小数定标规范化
小数定标规范化就是通过移动小数点的位置来进行规范化。小数点移动多少位取决于属性A的取值中的最大绝对值。
举个例子，比如属性A的取值范围是-999到88，那么最大绝对值为999，小数点就会移动3为，即新数值=原数值/1000。那么A的取值范围就被规范为-0.999到0.088。
数据变换的四种常见方法
1、数据平滑
去除数据噪声，将连续数据离散化。主要是用分箱、聚类和回归方式等算法进行数据平滑。
2、数据聚集
对数据进行汇总，SQL中有一些聚集函数可以供我们操作，比如Max反馈某个字段的数值最大值，Sum返回某个字段的数值总和。
3、数据概化
将数据由较低的概念抽象成为较高的概念，减少数据复杂度，即用更高的概念替代更低的概念。比如说上海、杭州、深圳、北京可以概化为中国。
4、数据规范化
使属性数据按比例缩放，这样就将原来的数值映射到一个新的特定区域中。常用方法有min-max规范化、Z-score规范化、按小数定标规范化等。
