数据归一化featureNormalize

最新推荐文章于 2025-03-19 17:08:57 发布

enjoy_learn

最新推荐文章于 2025-03-19 17:08:57 发布

阅读量3.2k

点赞数

分类专栏： C

本文链接：https://blog.csdn.net/enjoy_learn/article/details/80509538

版权

C 专栏收录该内容

20 篇文章

订阅专栏

本文介绍了一种用于数据预处理的特征归一化方法。该方法通过对数据集中的每个特征列进行标准化处理，减去了各列的平均值并除以标准差，从而实现了数值稳定性和算法性能的提升。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

/*************featureNormalize.m******************
功能：对列特征数据进行归一化处理；
输入：样本数*矩阵数的二维矩阵；
输出：返回归一化后矩阵，列归一化；
**********************************************/

void featureNormalize (float **InputFeature,int SampleLength, int FeatureSize)
{
    int i,j;
    float temp;
    float sum=0;
    float *mu=(float *)malloc(sizeof(float) * FeatureSize);
    float *sigma=(float *)malloc(sizeof(float) * FeatureSize);

    //求每列的均值
    for (i=0;i<FeatureSize;i++){
        sum=0;
        for (j=0;j<SampleLength;j++){
        sum+=InputFeature[j][i];
        }
        mu[i]=sum/SampleLength;
    }

    //求每列的方差
    for (i=0;i<FeatureSize;i++){
        sum=0;
        for (j=0;j<SampleLength;j++){
        sum +=pow((InputFeature[j][i] - mu[i]),2);
        }
        sigma[i]=sqrt(sum/(SampleLength-1));
    }

    //归一化操作
    for (i=0;i<FeatureSize;i++){
        for (j=0;j<SampleLength;j++){
          InputFeature[j][i]=(InputFeature[j][i]-mu[i])/sigma[i];
        }
    }
    free(mu);
    free(sigma);
}