如果對神經網路的 輸入和 輸出數 據進行 一定的 預處理 ,可以加快網路的訓練速 度 。 matlab 中 提供的預 處理方 法有歸一化處理( 將每組資料都變為 - 1 至 1 之 間數 , 所涉及 的函式有 premnmx 、 postmnmx 、 tramnmx) 、 標準化處理( 將每組資料都為均 值為 0, 方 差 為 1 的一 組 資料 , 所涉 及 的函 數 有prestd、 poststd、 trastd) 和主成分 分析( 進行 正交 處理 , 減少輸入資料的維數 , 所涉及的函式有 prepca 、 trapca) 。
下面以歸一化處理 為例說 明其用 法 , 另 外兩種 預處理 方法的用法與此類似 。
對於輸入矩 陣 p 和輸出矩陣 t 進行歸一化處理的語句為 :
[ pn , m inp, maxp , tn , mint , maxt] = premnm x(p , t) ;
訓練時應該用歸一 化之後的資料 , 即 :
net = train(net, pn , tn) ;
訓練結束後還應對網路的輸 出 an = sim(net, pn) 作如下處理 :
a= postmnmx(an , mint , maxt) ;
當用訓練好的網 絡對新 資料 pnew 進行預 測時 , 也應 作相應的處理 :
pnewn = tramnmx(pn ew , minp , maxp) ;
anewn = sim(net, pnewn) ;
anew = postmnmx(anew , mint, maxt) ;
資料歸一化
近來，在網上搜了很多關於資料歸一化的帖子，看了太多，很雜，這裡整理總結一下 歸一化是一種資料預處理方法，就是要把你需要處理的資料經過處理後 通過某種演算法 限制在你需要的一定範圍內，為了後面資料處理的方便，其次是保正程式執行時 收斂加快。比如說，對於奇異樣本資料 所謂奇異樣本資料資料指的是相對於其他...
資料歸一化
資料標準化 歸一化 處理是資料探勘的一項基礎工作，不同評價指標往往具有不同的量綱和量綱單位，這樣的情況會影響到資料分析的結果，為了消除指標之間的量綱影響，需要進行資料標準化處理，以解決資料指標之間的可比性。原始資料經過資料標準化處理後，各指標處於同一數量級，適合進行綜合對比評價。以下是兩種常用的歸一...
資料歸一化
資料標準化 歸一化 處理是資料探勘的一項基礎工作，不同評價指標往往具有不同的量綱和量綱單位，這樣的情況會影響到資料分析的結果，為了消除指標之間的量綱影響，需要進行資料標準化處理，以解決資料指標之間的可比性。原始資料經過資料標準化處理後，各指標處於同一數量級，適合進行綜合對比評價。以下是兩種常用的歸一...