归一化与反归一化

1 归一化

归一化就是把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。
归一化的目的：归一化是为了后面数据处理的方便，其次是提升模型的收敛速度和提升模型的精度。一般可分为以下两种情况
（1）归一化即把数变为（0，1）之间的小数，主要是为了数据处理方便提出来的，把数据映射到0~1范围内处理，更加便捷快速，应该归到数字信号处理范畴之内。
（2）把有量纲表达式变为无量纲表达式。归一化使一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，称为纯量。既保证了运算的便捷，又能凸显出物理量的本质含义。

2 归一化的方法

（1） 线性函数归一化（min-max scaling）

也称为最大最小化处理

$x_i=\frac{x_i-min(x)}{max(x)-min(x)},x_i\in x$

（2）标准化处理（zscore）

$x_i=\frac{x_i-\mu }{\sigma }$

μ和σ分别是原始数据的均值和方差。

（3）对数函数转换

$x_i=\frac{lo{g}_{10}{x}_i}{lo{g}_{10}max(x)},x_i\ge 1$

3 matlab 显示归一化与反归一化

(1)max-min

clc;
clear;
%% 归一化
x=xlsread('data.xlsx');
x_max=max(x);
x_min=min(x);
x=(x-x_min)/(x_max-x_min);
%% 反归一化
xnew %% 是指经过预测后的数据
xnew=xnew*(x_max-x_min)+x_min;

(2)zscore

clc;
clear;
%% 标准化
x=xlsread('data.xlsx');
[x,x_mean,x_std]=zscore(x);
%% 反归一化
xnew %% 是指经过预测后的数据
xnew=xnew.*repmat(x_std,size(xnew,1),1)+repmat(x_mean,size(xnew,1),1);

参考链接：
https://www.cnblogs.com/-wenli/p/11234878.html
https://baike.baidu.com/item/%E5%BD%92%E4%B8%80%E5%8C%96/2215161