为确保系统各数据库与各功能模块之间的数据分类、编码及数据文件命名的系统性和唯一性，满足系统正常高效运行以及与其他相关系统协同运作的要求，实现系统之间相互兼容、信息共享，数据库建设时必须遵循有关的标准规范。需参照的标准规范如下：

　　GB/T2260—98中华人民共和国行政区划代码

　　GB/T2808—81全数字式日期表示法

　　GB/T9649—88地质矿产术语分类代码

　　GB/T13923—92国土基础信息数据分类代码

　　DZ/T0001—91区域地质调查总则（1：50000）

　　DZ/T0157—951：50000地质图地理底图编绘规范

　　DZ/T0160—951：200000地质图地理底图编绘规范及图式

　　DDB9702GIS图层描述数据内容标准

　　地质图空间数据库建设工作指南中国地质调查局

　　DDZ9701资源评价工作中地理信息系统工作细则

　　DZ/T0179—1997地质图用色标准及用色原则

　　DD2005—01多目标区域地球化学调查规范（1：25万）中国地质调查局

　　DD2005—02区域生态地球化学评价技术要求中国地质调查局

　　DD2005—03生态地球化学评价样品分析技术要求中国地质调查局

　　GB/T17296—2000中国土壤分类与代码

　　GB/T13989—92国家基本比例尺地形图分幅编号

　　DZ/T0167—1995区域地球化学勘查规范（1：200000）

　　GB/T18507—2001城镇土地分等定级规程

　　GB/T17296—2000中国土壤分类代码

　　数据标准化

　　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（standarddeviation）进行数据的标准化。将A的原始值x使用z-score标准化到x’。

　　z-score标准化方法适用于属性A的最大值和最小值未知的情况，或有超出取值范围的离群数据的情况。

　　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。

　　步骤如下：

　　1.求出各变量（指标）的算术平均值（数学期望）xi和标准差si；

　　2.进行标准化处理：

　　zij=（xij－xi）/si

　　其中：zij为标准化后的变量值；xij为实际变量值。

　　3.将逆指标前的正负号对调。

　　标准化后的变量值围绕0上下波动，大于0说明高于平均水平，小于0说明低于平均水平。

　　数据标准化处理方法

　　建议使用SPSS软件，具体方法如下：

　　1.打开spss软件，然后将界面切换到变量视图。在编辑列中创建观察指标和类型。图中示例创建两个指标，一个作为自变量，另一个作为因变量，分别是gdd和城市化水平，代表人均gdp和城市化水平。

　　2、指标及类型建构建好后，就要输入数据到spss中了。切换到“数据视图”，数据可以自己手工输入，也可以从excel中复制或导入。

　　3、点击分析和回归，对数据进行线性回归分析。

　　4、进入线性回归设置界面，设置自变量，因变量。

　　5.设置完各种参数后，单击“确定”，spss将根据预设进行分析并自动输出分析结果。分析结果如图所示，并根据已知的分析结果，可知自变量和因变量符合线性回归模型。

　　数据标注

　　数据标注最基本的就是画框，比如检测目标是车，标注员就需要把一张图上的所有车都标出来，画框要完全卡住车的外接矩形，框得不准确机器就可能“学坏”。再比如人的姿态识别，就包括18个关键点，经过训练的标注员才能掌握这些关键点的标注，标注完成的数据也才能符合机器学习的标准。

　　不同的数据类型对标注员的要求也不一样。除了一般较为简单、可以通过培训掌握的标注，还有一些需要专业背景的标注，比如在医疗数据标注中，标注员需要做医疗图像的分割，把肿瘤区域标出来，类似工作就需要看得懂片子的医生完成。再比如地方方言或外国文字，需要的也是掌握那门语言的标注员。

　　随着人工智能的发展，数据的训练量非常大，数据标注公司应运而生，这些公司以网络方式运作，一个平台有产品经理和项目经理，接到一个任务就找人来做，大家通过网络群组报名后，由产品经理来培训，之后各自领取自己的任务，登录账号进行标注，检验经理校验合格后就付钱，不合格则需要重新修正。

　　目前已经形成庞大的数据加工队伍，仅北京就有一百多家专门从事数据标注的公司，全国从事这项工作的人大概超过千万，很多头部的互联网技术企业都有自己的数据标注公司。