在R中使用不同的归一化方法

大约6个月前，我使用名为Predixion的软件运行了一个k-means聚类算法。我写了一个R脚本，希望能重现Predixion的相同结果。然而，结果却大不相同。我相信结果是不同的，因为我们标准化数据的方式不同。我需要能够为每个列使用不同的规范化方法

account = c("A","B","C", "D","E")
var_num1= c(67,69,71,33,19)
var_num2= c(7175,12018, 6075, 3128, 4002)
var_percent= c(.22,.57,.33,.87,.62)
df = data.frame(account, var_num1,var_num2, var_percent)

我想对“var_num1”列使用日志规范化。我想对“var_num2”和“var_percent”列使用最小/最大规格化

谢谢您的帮助。

您是否尝试过：

df$var_num1 <- scale(df$var_num1)

---

df$var\u num1所以。。。到目前为止你（在R）试过什么？您的预期输出是什么？对于其他集群项目，我只使用了：
df=scale（df）
Yes，这很有意义。但是，我想知道如何在scale（）函数之外编写其他标准化方法。我编辑了上面的答案，并添加了一个最小/最大标准化。希望这能完全回答你的问题。非常感谢。您熟悉日志规范化吗？您知道如何对1列执行此操作吗？
log2（df$var\u num1）
：）
df$var_num1_minmax <- lapply(df$var_num1, function(x) (x-min(df$var_num1))/(max(df$var_num1)-min(df$var_num1)))