matlab矩阵0-1归化,数据标准化归化处理.doc
数据标准化归化处理
数据的标准化
在数据分析之前,我们通常需要先将数据标准化(normalization),利用标准化后的数据进行数据分析。数据标准化也就是统计数据的指数化。数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。
数据同趋化处理主要解决不同性质数据问题,对不同性质指标直接加总不能正确反映不同作用力的综合结果,须先考虑改变逆指标数据性质,使所有指标对测评方案的作用力同趋化,再加总才能得出正确结果。
数据无量纲化处理主要解决数据的可比性。去除数据的单位限制,将其转化为无量纲的纯数值,便于不同单位或量级的指标能够进行比较和加权。
数据标准化的方法有很多种,常用的有“最小—最大标准化”、“Z-score标准化”和“按小数定标标准化”等。经过上述标准化处理,原始数据均转换为无量纲化指标测评值,即各指标值都处于同一个数量级别上,可以进行综合测评分析。
一、Min-max 标准化
min-max标准化方法是对原始数据进行线性变换。设minA和maxA分别为属性A的最小值和最大值,将A的一个原始值x通过min-max标准化映射成在区间[0,1]中的值x',其公式为:
新数据=(原数据-极小值)/(极大值-极小值)
二、z-score 标准化
这种方法基于原始数据的均值(mean)和标准差(standard deviation)进行数据的标准化。将A的原始值x使用z-score标准化到x'。
z-score标准化方法适用于属性A的最大值和最小值未知的情况,或有超出取值范围的离群数据的情况。
新数据=(原数据-均值)/标准差
spss默认的标准化方法就是z-score标准化。 用Excel进行z-score标准化的方法:在Excel中没有现成的函数,需要自己分步计算,其实标准化的公式很简单。
步骤如下:
求出各变量(指标)的算术平均值(数学期望)xi和标准差si ;
.进行标准化处理:zij=(xij-xi)/si,其中:zij为标准化后的变量值;xij为实际变量值。
将逆指标前的正负号对调。
标准化后的变量值围绕0上下波动,大于0说明高于平均水平,小于0说明低于平均水平。
三、Decimal scaling小数定标标准化
这种方法通过移动数据的小数点位置来进行标准化。小数点移动多少位取决于属性A的取值中的最大绝对值。将属性A的原始值x使用decimal scaling标准化到x'的计算方法是:x'=x/(10*j)
其中,j是满足条件的最小整数。例如 假定A的值由-986到917,A的最大绝对值为986,为使用小数定标标准化,我们用1000(即,j=3)除以每个值,这样,-986被规范化为-0.986。
注意,标准化会对原始数据做出改变,因此需要保存所使用的标准化方法的参数,以便对后续的数据进行统一的标准化。除了上面提到的数据标准化外还有对数Logistic模式、模糊量化模式等等:
对数Logistic模式:新数据=1/(1+e^(-原数据))模糊量化模式:新数据=1/2+1/2sin[派3.1415/(极大值-极小值)*(X-(极大值-极小值)/2) ] ,X为原数据
数据归一化
归一化是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,成为纯量。归一化是为了加快训练网络的收敛性,可以不进行归一化处理
归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布,归一化在-1--+1之间是统计的坐标分布。归一化有同一、统一和合一的意思。无论是为了建模还是为了计算,首先基本度量单位要同一,神经网络是以样本在事件中的统计分别几率来进行训练(概率计算)和预测的,归一化是同一在0-1之间的统计概率分布;SVM是以降维后线性划分距离来分类和仿真的,因此时空降维归一化是统一在-1--+1之间的统计坐标分布。
当所有样本的输入信号都为正值时,与第一隐含层神经元相连的权值只能同时增加或减小,从而导致学习速度很慢。为了避免出现这种情况,加快网络学习速度,可以对输入信号进行归一化,使得所有样本的输入信号其均值接近于0或与其均方差相比很小。
归一化是因为sigmoid函数的取值是0到1之间的,网络最后一个节点的输出也是如此,所以经常要对样本的输出归一化处理。所以这样做分类的问题时用[0.9 0.1 0.1]就要比用要好。
但是归一化处理并不总是合适的,根据输出值的分布情况,标准化等其它统计变换方法有时可能更好。
主要是为了数据处理方便提出来的,把数据映射到0~1范围之内处理,更加便捷快速,应该归到数字信号处理范畴之内。
归一化方法(Normalization M
matlab矩阵0-1归化,数据标准化归化处理.doc相关推荐
- matlab矩阵 0,matlab zeros初始化为0矩阵
zeros为创建一个值为零的数组: 如matrix1=zeros(4,5);%4*5的矩阵,矩阵中每个元素都为0 matrix2=zeros(4,5,3);%4*5*3的数组,数组中每个元素都为0 下 ...
- R语言笔记④——数值摘要、缺失值、数据标准化、线性回归、多元线性回归和主成分分析
数据摘要 反映集中程度的函数 下面是R中反映中程度的函数 mean():均值 median():中位数 quantile():分位数 > a <- c(1,5,6,9,7,5,6,7,2, ...
- PyTorch 学习笔记(二):PyTorch的数据增强与数据标准化
本文截取自<PyTorch 模型训练实用教程>,获取全文pdf请点击:https://github.com/tensor-yu/PyTorch_Tutorial 文章目录 transfor ...
- 数据标准化方法z-score讲解(matlab)
在数据分析之前,我们通常需要先将数据标准化(normalization),利用标准化后的数据进行数据分析. z-score 标准化(正太标准化)是基于原始数据的均值(mean)和标准差(standar ...
- 使用matlab进行数据标准化的两种方法
数据的标准化(normalization)是将数据按比例缩放,使之落入一个小的特定区间.在某些比较和评价的指标处理中经常会用到,去除数据的单位限制,将其转化为无量纲的纯数值,便于不同单位或量级的指标能 ...
- zscore函数的数据标准化处理及MATLAB实现
一.数据标准化处理方法 在数据分析之前,我们通常需要先将数据标准化(normalization),利用标准化后的数据进行数据分析.数据标准化也就是统计数据的指数化.数据标准化处理主要包括数据同趋化处理 ...
- matlab 矩阵与数比较,MATLAB 对矩阵中的数据进行大小比较
用matlab对矩阵进行高斯消元 %求解例题2.1%高斯法求解线性方程组Ax=b%A为输入矩阵系数,b为方程组右端系数%方程组的解保存在x变量中%先输入方程系数A=[1 2 3;2 7 5;1& ...
- sar点目标成像matlab,SARrawdata 根据矩阵中的高度数据,通过SAR点目标成像算法 过程,将 转换为实际从飞机 matlab 272万源代码下载- www.pudn.com...
文件名称: SARrawdata下载 收藏√ [ 5 4 3 2 1 ] 开发工具: matlab 文件大小: 1897 KB 上传时间: 2017-03-31 下载次数: 0 提 供 者 ...
- MATLAB程序设计与应用 2. 第2章 MATLAB数据及其运算 2.1 MATLAB数值数据 2.2 MATLAB矩阵的表示 2.3 变量及其操作
MATLAB程序设计与应用 文章目录 MATLAB程序设计与应用 2. 第2章 MATLAB数据及其运算 2.1 MATLAB数值数据 2.1.1 数值数据类型的分类 2.1.2 数据的输出格式 2. ...
最新文章
- js实现禁止右键 禁止f12 查看源代码
- 生产者/消费者问题的多种Java实现方式
- 【微信小程序】根据当前运行环境调用不同的接口地址的一些方法
- Mysql 索引 总结 —— 概述 || 索引优势劣势|| 索引结构(索引是在MySQL的存储引擎层中实现的)|| BTREE 结构||B+TREE 结构||MySQL中的B+Tree||索引分类
- Python-爬取中国天气网天气并通过邮箱定时发送
- 18_clickhouse副本同步与高可用功能验证,分布式表与集群配置,数据副本与复制表,ZooKeeper整合,创建复制表,副本同步机制,数据原子写入与去重,负载平衡策略,案例(学习笔记)
- 自己使用window.open和window.showModalDialog在父子窗口传值的实践简单总结
- ios LOL 英雄联盟 英雄头像展示
- Windows常用shell命令大全
- Oracle数据库sql调优
- C# winform项目开发规范
- win10添加组策略命令
- Rust的crate
- 随处可见抢眼美女 TechED盛宴人潮汹涌
- 微信支付宝个人收款解决方案之免签约支付解决方案之APP监控通知方案
- 【GANs】Wasserstein GAN
- 简单描述 MySQL 的 IOPS、QPS、TPS含义
- 一般集合的合并(并集)
- Java8万人 每年增长25%_看人口增长趋势!1998年到2018年中国历年人口总数、净增人口对比...
- 三相永磁同步电机的矢量控制学习笔记一
热门文章
- Python选择结构中多条件测试的简化写法
- Win10系统配置Python3.6+OpenGL环境详细步骤
- linux安装qt4 creator,ubuntu14.04下安装qt4.8.6 +qt creator
- window统计文本字节_【NLP】机器如何认识文本 ?NLP中的Tokenization方法总结
- vue 按钮删除input内容_Vue表单和v-model
- python词云图_人生苦短我用Python——词云图的绘制
- 怎样查一个文件被复制了几次_复制拷贝文件不怕再出错,一个超级好用的小工具,支持多线程工作...
- python 获取照片拍摄时间_Python实现获取照片拍摄日期并重命名的方法
- php批量getshell,任意文件上传引发的批量Getshell到服务器 - WileySec's Blog
- html文件元素体,文档表示HTML文件,文档中的______________被称为元素