Matlab 归一化函数premnmx



(1)基本算法：函数目的是把数据处理成[-1,1]之间，算法是：






如a=[2,4,3,5],那么计算过程就是：


2*(2-2)/(5-2)-1=-1;


2*(4-2)/(5-2)-1=1/3=0.6666;


2*(3-2)/(5-2)-1=-0.6666


2*(5-2)/(5-2)-1=1;


(2)标准函数：   [pn,minp,maxp,tn,mint,maxt] = premnmx(p,t)是对P和T分别按照行进行归一化处理。


其中：pn：p的归一化结果，minp:  p的每行的最小值，maxp: p的每行的最大值


tn:  t矩阵的归一化结果，mint:  t矩阵的最小值，maxt:  t矩阵的最大值


举例分析：[pn,minp,maxp,tn,mint,maxt]=premnmx([2,4,3,5;4,2,1,6],[5,2,3,8])


P为2行4列数据，对每行分别进行归一化，pn结果是：


pn =


-1.0000   0.3333   -0.3333    1.0000


0.2000  -0.6000   -1.0000    1.0000


minp =


2


1


maxp =


5


6


t为1行4列的数据，对其归一化结果为 tn:


tn =0   -1.0000  -0.6667    1.0000


mint =2


maxt=8


反归一化


p=postmnmx(pn,mint,maxt)


结果p跟输入是一样的。


但是这个是适用于比较老版的MATLAB，对于新版MATLAB表达为




mapminmax








这个函数是十分常用的归一化函数，最常用的是进行多元回归，包括神经网络以及支持向量机回归过程当中。下面我们通过一个实例进行介绍。我们以A=[100 200 300 400]为例。


在MATLAB主窗口中输入[A1,PS]=mapminmax(A)，这里PS是一种对应关系，里面包括一些相应的特征值。



                
            




  1. 

    对应关系说明
    

    MATLAB 帮助文档中告诉我们，这种对应关系是
    

    y = (ymax-ymin)*(x-xmin)/(xmax-xmin) + ymin
    

    在A向量中我们可以看到xrows代表行数，行数为1，并且对这一行向量来说，x最大值是400，最小值是100，x的变化范围时300。至于后面的关于y的，在归一化一维向量时，可以忽略不看，我们只需要知道ymin=-1,ymax=1，就可以。
    

    我们可以验证某一个元素的值，比方说200，则y=1*(200-100)/(400-100)+(-1)=-1/3=-0.333.
    

    
                        
                    
    2. 


    3. 


    4. 


    5. 


    6. 

  6. 

    对其他数值进行归一化
    

    我们可以利用这个对应关系PS对其他数值进行归一化，但是有个前提，这个数必须要在xmin 和xmax之间，不然归一化的结果，与整体进行归一化，结果会不一样，例如，我们用如上对应关系归一化260，输入命令
    

    temp= mapminmax('apply',260,PS) 
    

    结果如下，我们可以看到，用对应关系PS进行归一化，与整体进行归一化结果一致。
    

    
                        步骤阅读
                    
    7. 

  7. 
                        4
                    




  1. 

    反例：
    

    但是我们如果归一化不介于xmin 和xmax之间的数，结果就会出现不同，如下：
    

    我们可以看到单独归一化500与整体归一化的结果不一样，所以用这种方式归一化其他值的时候一定要注意这一点。
    

    
                        步骤阅读
                    
    2. 


    3. 


    4. 


    5. 

  5. 
                        5
                    
    

    

    反归一化
    

    我们还是以最开始的向量A=[100 200 300 400]进行示例，进行归一化之后归一化的结果
    

    A1=[-1.0000   -0.3333    0.3333    1.0000]，那么我们要反归一化得到原来的值，怎么处理呢？
    

    在MATLAB主窗口输入如下命令：A2= mapminmax('reverse',A1,PS) 回车
    

    我们可以看到A2=[100   200   300   400]=A，成功的进行了反归一化。
    

    
                        
                    
    

    
                        END
                    


												


											

Matlab 归一化函数premnmx [-1,1]相关推荐
	

    
								
  1. Matlab 归一化函数premnmx
		
    (1)基本算法:函数目的是把数据处理成[-1,1]之间,算法是: 如a=[2,4,3,5],那么计算过程就是: 2*(2-2)/(5-2)-1=-1; 2*(4-2)/(5-2)-1=1/3=0.66 ...
    
		
    2. 
						
  2. matlab归一化函数
		
    原文地址:matlab归一化函数作者:CrazyMatrix 归一化用到最多的应该是在聚类分析中,为什么要用归一化呢?这是为了消去不同量纲对结果的影响. matlab提供了一个简单的归一化函数[y,p ...
    
		
    3. 
						
  3. bpnn matlab工具箱,bpnn——matlab工具箱-归一化函数 premnmx、tramnmx、postmnmx、mapminmax...
		
    source1 person1: "一个是训练数据归一化,此时不知道输入数据范围,一个是对预测数据归一化,此时用的最大最小是训练数据的最大最小,配套的还有个反归一化函数,如果数据在01间不需 ...
    
		
    4. 
						
  4. bpnn——matlab工具箱-归一化函数 premnmx、tramnmx、postmnmx、mapminmax
		
    source1 person1: "一个是训练数据归一化,此时不知道输入数据范围,一个是对预测数据归一化,此时用的最大最小是训练数据的最大最小,配套的还有个反归一化函数,如果数据在01间不需 ...
    
		
    5. 
						
  5. MATLAB 归一化 函数用法以及实例
		
    原文地址:http://jingyan.baidu.com/article/48b37f8d649ce31a646488e9.html 在用MATLAB进行各种回归运算以及矩阵运算中,为了避免不同数量 ...
    
		
    6. 
						
  6. matlab归一化函数，以及还原归一化
		
    转自:https://blog.csdn.net/xiaotao_1/article/details/79602263 主要用函数mapminmax 1 默认的map范围是[-1, 1],所以如果需要 ...
    
		
    7. 
						
  7. matlab归一化函数，以及还原归一化。
		
    转自:这里 用函数mapminmax 1 默认的map范围是[-1, 1],所以如果需要[0, 1],则按这样的格式提供参数: MappedData = mapminmax(OriginalData, ...
    
		
    8. 
						
  8. Matlab归一化函数(mapminmax)
		
    功能:将矩阵的每一行处理成[-1,1]区间.处理需要归一化的m*n矩阵X,归一化后的矩阵记为Y. 主要有5种调用形式 1.[Y,PS] = mapminmax(X,YMIN,YMAX) 其中,YMIN ...
    
		
    9. 
						
  9. matlab premnmx归一化函数的使用
		
    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) ...
    
		
    10. 
		


					

最新文章
	

    
						
  1. python 速度 memmap_浅析Python 读取图像文件的性能对比
		
    2. 
						
  2. 要学DOT NET了
		
    3. 
						
  3. 什么是设计模式（Design Patterns）
		
    4. 
						
  4. 内部通信服务Factory（WCF）
		
    5. 
						
  5. JavaWeb：Redis
		
    6. 
						
  6. 小区的净水设备，应该很少人用，为什么
		
    7. 
						
  7. 远程teamview下载网址，和ie 下载地址
		
    8. 
						
  8. 非线性控制3.0——自适应模糊控制
		
    9. 
						
  9. 聚类算法的原理是什么?
		
    10. 
						
  10. @Required注解
		
    11. 
						
  11. 喜茶入股7家茶饮，从“打工仔”做起了“金主爸爸”？
		
    12. 
						
  12. 【HTTP状态码查询】
		
    13. 
						
  13. 现代信号处理——时频分析与时频分布（时频分布的基本理论）
		
    14. 
						
  14. 【AI学习总结】均方误差（Mean Square Error,MSE）与交叉熵（Cross Entropy,CE）损失函数
		
    15. 
						
  15. linux申请端口,linux申请端口申请书
		
    16. 
						
  16. kubelet 证书轮换失败的解决方案
		
    17. 
						
  17. 对学生创业的重新认识
		
    18. 
						
  18. Python使用QT播放视频
		
    19. 
						
  19. 2021-10-16【严蔚敏数据结构代码实现合集】【c语言学习必备】
		
    20. 
						
  20. 21天学通python——第一天
		
    21. 
		

	


热门文章
	

    
									
  1. Tensorflow2.1入门 第六章：循环神经网络
			
    2. 
						
  2. 阿翔编程学-整理一些Javascript代码
			
    3. 
						
  3. C语言：将身高的英尺英寸化成米
			
    4. 
						
  4. 你想要了解的黑客入门知识在这里
			
    5. 
						
  5. 【转】整整30天终于走完，分享下我的昆山人才引进落户经历
			
    6. 
						
  6. 奇妙数字（数论）题解
			
    7. 
						
  7. linux下tc、htb、iptables基础知识及openwrt 下qos使用介绍
			
    8. 
						
  8. linux64位离线安装wine,如何在Ubuntu Linux 64位上安装Wine
			
    9. 
						
  9. linux如何export文件夹,学习如何在Linux中使用export命令
			
    10. 
						
  10. 过早优化是万恶之源_专业化是万恶之源
			
    11.