Matlab归一化

最新推荐文章于 2024-09-06 22:25:39 发布

wangfenghui132

最新推荐文章于 2024-09-06 22:25:39 发布

阅读量8k

点赞数 1

分类专栏：归一化处理文章标签： matlab 数据

本文链接：https://blog.csdn.net/wangfenghui132/article/details/45334523

版权

本文介绍了Matlab中三种数据归一化方法：线性归一化、-1到1之间的归一化以及mapstd函数的归一化。分别讲解了premnmx和mapminmax函数的应用，并给出了训练数据和测试数据的处理及反归一化的示例。

摘要由CSDN通过智能技术生成

提起数据的归一化处理，其实有好多种方法，大多都是根据自己需要的来进行初始化。
根据归一化后的数据是分布在0-1之间还是分布在-1到+1之间，归一化方法基本可以分成两类。

第一种方法，某个属性的最大值max，最小值min，对每个属性的值x做如下处理
normalizedx=（x-min）/(max-min);
这样normalizedx就会分布在0-1之间。这种归一化方法是线性的归一化方法
第二种方法，与第一种方法对应的将数据归一化-1到+1的方法是，在做完第一步处理后，只需要将
normalizedx=normalizedx*2-1;
就会将数据归一化到-1到1之间，matlab自带的归一化处理方法premnmx处理结果完全一模一样。
premnmx对应的用法是：
[Pn,minp,maxp,Tn,mint,maxt]=premnmx(data(:,1:9)',data(:,10)');
对测试数据做[testPn]=tramnmx(dataTest(:,1:9)',minp,maxp);这样的处理就可以了。如果在做预测的时候要反归一化，通过mint，和maxt就可以按照前面说的方法进行反归一化
matlab中的mapminmax函数和premnmx处理方法一模一样。
还是也举一个例子来说一下吧。
对训练数据处理： [pn,ps]=mapminmax(P) P训练数据的输入数据
[tn, ts]=mapminmax(t) t训练数据的输出数据
对测试数据的处理：pnt=mapminmax(