使用Matlab对数据归一化

前言

在使用机器学习做分类和回归分析时，往往需要对训练和测试数据首先做归一化处理。这里就对使用MATLAB对数据进行归一化方法做一个小总结。

为什么进行归一化

一般做机器学习应用的时候大部分时间是花费在特征处理上，其中很关键的一步就是对特征数据进行归一化。关于为什么进行归一化处理维基百科给出的解释是：1）归一化后加快了梯度下降求最优解的速度；2）归一化有可能提高精度。
具体介绍：https://www.cnblogs.com/davidwang456/articles/9729746.html

使用MATLAB归一化

对于模式识别或者其他统计学来说，训练数据和测试数据应该是每一列是一个样本，每一行是多个样本的同一维，即对于一个M*N的矩阵来说，样本的维度是M，一共N列N个样本。而对数据归一化也应该是对同一维的数据进行归一化。MATLAB提供了归一化函数mapminmax，其主要调用形式有：

1. [Y,PS] = mapminmax(X,YMIN,YMAX)
2. [Y,PS] = mapminmax(X,FP)
3. Y = mapminmax('apply',X,PS)
4. X = mapminmax('reverse',Y,PS)

对于1和2的调用形式来说，X是预处理的数据，Ymin和Ymax是期望的每一行的最小值与最大值，FP是一个结构体成员主要是FP.ymin, FP.ymax.这个结构体就可以代替Ymin和Ymax,1和2的处理效果一样，只不过参数的带入形式不同。不设置YMIN 和YMAX，归一化范围为0~1。
示例：

x=[2,3,4,5,6;7,8,9,10,11];
[Y,PS] = mapminmax(x,0,1);
fp.ymin=0;
fp.ymax=1;
[Y,PS] = mapminmax(x,fp);

结果：

0    0.250000000000000   0.500000000000000   0.750000000000000   1
0   0.250000000000000   0.500000000000000   0.750000000000000   1

而对于3式，在模式识别或者统计学里，PS是训练样本的数据的映射，即PS中包含了训练数据的最大值和最小值，式中的X是测试样本，对于测试样本来说，预处理应该和训练样本一致，即测试样本的最大值和最小值应该是训练集的最大值与最小值。假设x是训练样本，y是测试样本，则代码如下:
示例：

x=[2,3,4,5,6;7,8,9,10,11];
y=[2,3;4,5];
[xx,ps]=mapminmax(x,0,1);
yy=mapminmax('apply',y,ps)

但对于训练样本和测试样本，一般是将两者合起来一起归一化，例如要将train，test一起归一化：

[mtrain,ntrain]=size(train);
[mtest,ntest]=size(test);
dataset=[train;test];
[dataset_scale,ps]=mapminmax(dataset',0,1);
train=dataset_scale(1:mtrain,:);
test=dataset_scale((mtrain+1):(mtrain+mtest),:);

对于4式，是预处理之后的数据进行反转得到原始数据

x=[2,3,4,5,6;7,8,9,10,11];
y=[2,3;4,5];
[xx,ps]=mapminmax(x,0,1);
yy=mapminmax('apply',y,ps);
y=mapminmax('reverse',yy,ps)

归一化算法描述

y′=lower+(upper−lower)∗(y−min)/(max−min)y'=lower+(upper-lower)*(y-min)/(max-min)y′=lower+(upper−lower)∗(y−min)/(max−min)
其中，y表示原始数据，y’表示经过归一化后的数据。

按列进行归一化

mapminmax函数默认是按行进行归一化的。当我们使用libsvm工具箱进行回归分析时，其数据组织要求一行表示一个样本数据，因此我们需要掌握如何使用mapminmax函数按列进行归一化的方法。

基于magic函数生成测试数据，假设有5个样本。

train = magic(5);

    17    24     1     8    1523     5     7    14    164     6    13    20    2210    12    19    21     311    18    25     2     9

假设第1列数据为因变量数据，第2、3、4和5列数据为自变量数据。每一列数据的属性相同，假设第1列数据表征身体的健康分数，2、3、4和5列是一些测量指标（如：体重、身高等）。在对数据进行归一化时，应该对每一列进行归一化，而不是将体重和升高一起进行归一化。
由于mapminmax只能按行进行归一化，因此，我们只需要对训练数据进行转置，然后进行归一化，归一化后再转置回来即可。

t      = magic(5);          % 训练数据
x      = t';                % 转置
[y,ps] = mapminmax(x,0,1);  % 归一化
tn     = y';                % 转置

结果：

    0.6842    1.0000         0    0.3158    0.63161.0000         0    0.2500    0.6316    0.68420    0.0526    0.5000    0.9474    1.00000.3158    0.3684    0.7500    1.0000         00.3684    0.6842    1.0000         0    0.3158

如果觉得上述方法不够简单，还可以使用下面的函数进行归一化：
描述

t = magic(5)
scaleSVM(t,0,1)

function out_scale = scaleSVM(c,lower,upper)
%   设置归一化范围 [lower ,upper]
%   按列进行归一化
[m,n]=size(c);                              %%获取行数m 和 列数  nCmax=zeros(1,n);
Cmin=zeros(1,n);
for i=1:nCmax(1,i)=max(c(:,i));                 %%Cmax用来保存每一列中的最大值
end
for i=1:nCmin(1,i)=min(c(:,i));                  %%Cmin用来保存每一列中的最小值
end
for i=1:mfor j=1:nc(i,j)=lower+(upper-lower)*(c(i,j)-Cmin(1,j))/(Cmax(1,j)-Cmin(1,j));  %%执行前述的公式进行归一化end
end
out_scale=c;
end

参考：
https://www.mathworks.com/help/deeplearning/ref/mapminmax.html;jsessionid=8db547639f6ef5a379e2738db0ef
https://blog.csdn.net/qq_22625309/article/details/76576184
https://www.cnblogs.com/litthorse/p/9276594.html