MATLAB数据预处理-归一化-mapminmax

MATLAB数据预处理-归⼀化-mapminmax

转⾃

在新版MATLAB中，使⽤BP神经⽹络的premnmx函数会出现Warning: PREMNMX is an obsolete function. 的提⽰

砂轮修整器

在新版MATLAB中，把旧函数premnmx 、postmnmx 、tramnmx换成新函数mapminmax

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。

其主要调⽤形式有：

1. [Y,PS] = mapminmax(X,YMIN,YMAX)

2. [Y,PS] = mapminmax(X,FP)称量室

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。

x=[2,3,4,5,6;7,8,9,10,11];

mapminmax(x,0,1)

mapminmax(x,fp)

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:

x=[2,3,4,5,6;7,8,9,10,11];

y=[2,3;4,5];2bkey>ggtv5

[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

智能商用豆浆机发热手套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)

本文发布于:2024-09-21 13:41:18，感谢您对本站的认可！

标签：样本数据测试

留言与评论（共有 0 条评论）