数据标准与元数据的区别(元数据标准化)

海洋科学数据元数据标准和规范

1、依托于上述的项目，海洋信息元数据标准化工作也在标准的统共享标准的制定、国际标准***用等方面有所侧重。

2、GOOS 的主要目标是获取全球统一标准的海洋数据集，其核心数据集能达到 20 ～ 30种。为了达到方便快捷的存储数据，各个国家充分共享数据的目的，GOOS 系统***用统一的数据标准和高效的数据管理的策略进行实现。

3、数据编码设计与标准海洋信息网格平台主要涉及的数据包括遥感数据、矢量数据(包括海岸带及近海基础地理数据、海岸带与海涂***综合调查图集数据、海岸带土地利用和海洋功能区划等)、观测数据三大类。

元数据的标准

解决元数据互操作性的另一种思路是建立一个标准的***描述框架，用这个框架来描述所有元数据格式，那么只要一个系统能够解析这个标准描述框架，就能解读相应的Metadata格式. 实际上，XML和RDF从不同角度起着类似的作用。

元数据（Meta Data）是关于数据仓库的数据，指在数据仓库建设过程中所产生的有关数据源定义，目标定义，转换规则等相关的关键数据。同时元数据还包含关于数据含义的商业信息，所有这些信息都应当妥善保存，并很好地管理。

包含 7 个主要子集和 3 个次要子集，共有460 个元数据实体和元素。它是目前国际上许多元数据标准体系的蓝本。

...统计学分析:在数据处理时,为什么通常要进行标准化处理?

1、数据的量纲不同；数量级差别很大。经过标准化处理后，原始数据转化为无量纲化指标测评值，各指标值处于同一数量级别，可进行综合测评分析。

2、我觉得其中有一点是进行了标准化处理之后，数据所对应的***能够更好地进行比较。就好像最明显的一个GDP，按照报告期的价格进行比较，不仅能够看出每一年的的差距，也可以看到人民币的升值贬值情况。

3、数据标准化是统计学中对数据进行分析前处理的一种方法，目的在于消除数据计量单位及变异程度。

4、既然是数据治理分析，那么在“分析”之前先要对数据进行“治理”。

5、单位不一致的时候需要处理，以消除量纲对不同数据的影响再者拟合时，如果趋势不同要处理。比如原数据是非线性的，可以通过变化转化成线性。

6、并且上图的【生成变量】方法中包涵了多种对数据变量重新处理的方法：其中数据的标准化处理，是在进行很多数据分析之前都需要做的：如果不进行标准化处理，后面的分析结果可能会存在误差。

[数据元标准化基本方法]数据标准化方法

数据元标准化方法 数据元的提取 公共卫生数据元的提取***用以下步骤： ①业务需求分析。包括流程分析，业务建模。②基本数据集设置。将必需收集的数据按照特性分成不同数据集，确定每个数据集中的数据项； ③数据元构建。

新数据=（原数据-均值）/标准差spss默认的标准化方法就是z-score标准化。用Excel进行z-score标准化的方法：在Excel中没有现成的函数，需要自己分步计算，其实标准化的公式很简单。

其中最典型的就是0-1标准化和Z标准化，当然，也有一些其他的标准化方法，用在不同场景，这里主要介绍几种常用的方法。

z-score标准化可以去除不同环境因子量纲的影响。一般情况下，上面方法中默认MARGIN=1是默认对样品进行处理，默认MARGIN=2是默认对物种或者环境变量进行处理。

方法一：规范化方法 也叫离差标准化，是对原始数据的线性变换，使结果映射到[0，1]区间。方法二：正规化方法 这种方法基于原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。

新数据=（原数据-均值）/标准差spss默认的标准化方法就是z-score标准化。Decimal scaling小数定标标准化 这种方法通过移动数据的小数点位置来进行标准化。小数点移动多少位取决于属性A的取值中的最大绝对值。