我如何将非常大的数字算法盟友适当地归一化为相对较小的数字

Question

我正在尝试根据从Excel导入的自定义用户数据来调整音调的方法。

self.changePitch(30 + (parseInt(self.infoCollection.collection[j].array[i])-200/(3600)));

上面的代码适用于大约5,000的"正常值"。但是，我想将它们归一化，以始终介于最低和最大频率之间。（200和3800）

我尝试使用此处找到的方程式：https://stats.stackexchange.com/questions/70801/how-to-normalize-data-data-to-0-1 range说使用(x-minval)/(maxval-minval)但是，这对所有情况都不起作用。使用非常大的数字。即5000万，它仍将超过最大频率。

我试图找到一种方法，即将所有理性数字都归一数到亿美元。

编辑：对不起。我正在制作一个基于图表上的数据播放声音的应用。目的是允许具有视觉障碍的用户使用声音更好地理解数据，以获取相对的值。我的问题是人类无法听到一定数量以上的频率，因此，如果有5000左右的值，该应用程序将不会为该数字播放任何声音。

示例：A公司的利润为200美元，B公司为5000万美元。用户会听到A公司的声音，但不会听到B公司的声音，因为频率将超出人类的听力范围。

Answer 1

以下功能将执行线性归一化（感谢S mcCrohan），您可以将其传递给它。

https://jsfiddle.net/7cn57wnd/

function normalize(enteredValue, minEntry, maxEntry, normalizedMin, normalizedMax) {
    var mx = (enteredValue-minEntry)/(maxEntry-minEntry);
    var preshiftNormalized = mx*(normalizedMax-normalizedMin);
    var shiftedNormalized = preshiftNormalized + normalizedMin;
    return shiftedNormalized;
}

//Acceptable values: 0 - 10,000,000
//User enters: 99,000,000
//Normalization window: 200 - 3800
normalize(99000000, 0, 100000000, 200, 3800);
//Returns 3764

Answer 2

归一化数据的正确方法将在很大程度上取决于数据集中的值分布。

例如，如果您的99％的值在0-1000范围内，而其余1％的离群值则在10000000左右，则线性归一化（如Santi的答案中）绝对会将您的数据拉到所需的范围中，但是，也将有99％的归一化为如此亲密的值，您将无法听到差异。

如果您有这样的偏斜分布，则您将要丢弃异常值，或使用非线性归一化（例如，对数）。这确实取决于数据以及您要突出的差异。