在資料處理的過程中，為了標準的統一，我們往往要對資料進行歸一化。大多數人覺得這比較簡單，不就是形如(x-min)/(max-min)這樣麼。事實上，這樣想是沒錯的。事實上，我們使用matlab的內建函式，來進行資料的歸一化，在處理大量的資料時，會節省不少的時間。有內建函式用的，盡量用內建函式，可以減少不必要的時間消耗。舉些例子來說明問題吧。
clc;clear
p=magic(4)
t=[123
4][pn,minp,maxp,tn,mint,maxt]=premnmx(p,t)%按行取最大最小且歸一化到-1到1之間
[pn]=tramnmx(p,minp,maxp)
%此處的max
min為資料按行所給的可能資料範圍，不一定是所給矩陣的最值，將矩陣按行以此
%範圍模入到-1到1之間，例如[pn]=tramnmx(5,0,10)
[p,t] = postmnmx(p.*5,minp,maxp,tn,mint,maxt)
%假如p是處理後（按行）的-1到1之間的數，我們將其還原到標準化之前，
%其中minp對應-1，假如p不是-1到1之間的，我們不加討論
[y,ps]=mapminmax(t)
%按行做歸一化處理，預設是按行，單個數不做處理
[y,ps]=mapminmax(p,0,1)
%按行歸一化到0，1並返回這個對映到ps，他是個結構體
%將此歸一應用到其他數上，按行處理
x=mapminmax('reverse',y,ps)
%反歸一化過程
自己個看程式細細體會一下吧，很多多餘的系統化的東西，查幫助都能找到。向來不喜歡和別人一樣，系統地一點一點說下來，你也記不住，我也浪費時間。
Matlab中的資料歸一化
歸一化的具體作用是歸納統一樣本的統計分布性。歸一化在0 1之間是統計的概率分布，歸一化在 1 1之間是統計的座標分布。歸一化有同 一 統一和合一的意思。無論是為了建模還是為了計算，首先基本度量單位要同一，神經網路是以樣本在事件中的統計分別機率來進行訓練 概率計算 和 的，且sigmoid函式的取值是...
在MATLAB中的三種歸一化方法
歸一化的具體作用是歸納統一樣本的統計分布性。歸一化在0 1之間是統計的概率分布，歸一化在 1 1之間是統計的座標分布。歸一化有同 一 統一和合一的意思。無論是為了建模還是為了計算，首先基本度量單位要同一，神經網路是以樣本在事件中的統計分別機率來進行訓練 概率計算 和 的，且sigmoid函式的取值是...
matlab歸一化函式，以及還原歸一化
2 只按行歸一化，如果是矩陣，則每行各自歸一化，如果需要對整個矩陣歸一化，用如下方法 flatteneddata originaldata 展開矩陣為一列，然後轉置為一行。mapminmax flatteneddata,0,1 歸一化。reshape size originaldata 還原為原始矩...