数据预处理/规划范处理 matlab代码

我们在进行模型建立时，如使用机器学习回归等时

通过使用把值比较大，比较多的数据，通过规范化，可以是模型更加准确，且规范化不改变数据的原来关联性或者特征。

但是却让数据间的关系更加凸显。

1    最小最大化（离差标准化）

将数值转换到【0，1】之间。离差标准化保留了原始数据中的关系，能够消除量纲和数据取值范围的最简单方法。

比如：一类数据全是10000这么大的数字，一列数据 是1,23,3,2,5这种数据，用来做回归等会让模型不准确。

但是 它的缺点是：如果数据集中或者某个数值很大，规范化后的各值会很接近于0，并且会相差不大。   （对离群值异常敏感）

2    零-均值规范法（也叫标准差规范法）

经过处理的数据的均值为0，标准差为1

这种规范方法应用广泛，但是均值和标准差受到离群点的影响很大，因此常对此方法进行改进。

3  小数定标规范化

通过移动属性值的小数位数，将属性变到[-1,1]之间。

clear；clc；
data='data.xls' ;
%读取数据
[data,~]=xlsraed(data);

%%最小-最大规范化
data1=mapminmax（data',0,1）   %由于matlab是对行 进行最大最小化，需要转置
data1=data'   %再转置，使数据回到原来状态

%% 0-均值规范化
data2=zscore（data）；   %专门的内置函数

%%小数定标规范化
max_=max(abs(data));
max_power(10,cell(log10(max_)));
cols=size(max_,2);
data_dot=data;
for i=1:cols
    data_dot(:,i)=data(:,i)/max_(1,i)
end

%%打印结果

%用disp即可