1、premnmx
预处理数据使数据的最小值和最大值分别为-1和1.
[PN,minp,maxp,TN,mint,maxt] = premnmx(P,T)
premnmx(P,T)
输入
P - R x Q 矩阵(输入向量,其中一列表示输入变量).
T - S x Q 矩阵(目标/输出 向量).
输出
PN - R x Q 矩阵 (归一化的输入向量).
minp- R x 1 向量,包含对于P的最小值.
maxp- R x 1 向量,包含P的最大值.
TN - S x Q 矩阵,归一化的目标向量.
mint- S x 1 向量,包含每个目标值T的最小值。
maxt- S x 1 向量,包含每个目标值T的最大值。
[PN,minp,maxp] = premnmx(P)
实例:
P = [
1 2 3
4 5 6
7 8 9
]
T = [10 11 12]
[PN,minp,maxp,TN,mint,maxt] = premnmx(P,T)
P =
1 2 3
4 5 6
7 8 9
T =
10 11 12
PN =
-1 0 1
-1 0 1
-1 0 1
minp =
1
4
7
maxp =
3
6
9
TN =
-1 0 1
mint =
10
maxt =
12
由上面可知,premnmx是将一列作为一个样本输入来处理的。
2、postmnmx
对那些归一化后的数据进行后处理
[P,T] = postmnmx(PN,minp,maxp,TN,mint,maxt)
[p] = postmnmx(PN,minp,maxp)
输入
PN - R x Q 矩阵 (归一化的输入向量).
minp- R x 1 向量,包含对于P的最小值.
maxp- R x 1 向量,包含P的最大值.
TN - S x Q 矩阵,归一化的目标向量.
mint- S x 1 向量,包含每个目标值T的最小值。
maxt- S x 1 向量,包含每个目标值T的最大值
输出
P - R x Q 矩阵(输入向量,其中一列表示输入变量).
T - S x Q 矩阵(目标/输出 向量).
postmnmx与premnmx成对使用,premnmx的输出作为postmnmx的输入
运用时,首先通过premnmx对训练数据进行归一化,但对测试数据归一化是需用到另外一个函数tramnmx;实现测试数据的归一化处理
matlab premnmx归一化函数的使用 1、premnmx 预处理数据使数据的最小值和最大值分别为-1和1. [PN,minp,maxp,TN,mint,maxt] = premnmx(P,T)
最新推荐文章于 2024-08-21 22:22:45 发布
matlab premnmx归一化函数的使用