归一化和标准化是数据预处理的重要步骤，主要用于处理数据的尺度和范围。归一化通常将数据限制在[0, 1]之间，而标准化则将数据转化为均值为0，方差为1的分布。奇异样本数据可能导致训练时间增加或网络无法收敛，因此常需归一化。在Matlab中，可以使用mapminmax、premnmx等函数进行归一化，mapminmax还支持数据还原。归一化和标准化对于不同性质的数据处理、无量纲化和提高计算效率具有重要意义。"
108095794,9393772,Hive函数详解：从关系运算到复杂类型操作,"['Hive', '大数据']
A.归一化 vs. 标准化
归一化：要把你需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。首先归一化是为了后面数据处理的方便，其次是保正程序运行时收敛加快。一般指将数据限制在[0 1]之间。
(1)把数变为（0,1）之间的数，主要是为了数据处理方便提出来的，把数据映射到0-1之间处理，更便携快速；
(2)把有量纲表达式变为无量纲表达式，成为纯量；
(3) 一般采用最大-最小规范化对原始数据进行线性变换：X*=（X-Xmin）/(Xmax-Xmin)
标准化：对原始数据进行缩放处理，限制在一定的范围内。一般指正态化，即均值为0，方差为1。即使数据不符合正态分布，也可以采用这种方式方法，标准化后的数据有正有负。
由于信用指标体系的各个指标度量单位是不同的，为了能够将指标参与评价计算，需要对指标进行规范化处理，通过函数变换将其数值映射到某个数值区间。
（1）数据同趋化处理：解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对测评方案的作用力同趋化，再加总才能得出正确结果；
（2）无量纲化处理：要解决数据的可比性；
（3）一般采用Z-score规范化：即均值为0，方差为1的正态分布；
在matlab里面ÿ
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
