matlab**：標準化
% min-max標準化(min=0,max=1)
normalized_data = mapminmax(source_data', 0, 1)';
normalized_data = normalized_data';
% z-score標準化
normalized_data = zscore(source_data);
function [normalized_data] = normalize(source_data, kind)
% 資料的標準化（歸一化）處理
% 引數 source_data 可用格式的源資料
% 引數 kind 代表何種歸一化, 預設為1. 1代表min-max標準化,2代表z-score標準化.
% 返回歸一化後的資料
if nargin < 2 % 如果引數少於2個,預設進行min-max標準化
kind = 1;
end;
[m, n] = size(source_data);
normalized_data = zeros(m, n);
%% min-max標準化(min=0,max=1)
if kind == 1
for i = 1:n
ma = max( source_data(:, i) ); % matlab中變數名不宜和函式名相同，所以不用max、min、mean等變數名
mi = min( source_data(:, i) );
normalized_data(:, i) = ( source_data(:, i)-mi ) / ( ma-mi );
endend%% z-score標準化
if kind == 2
for i = 1:n
mea = mean( source_data(:, i) );
st = std( source_data(:, i) );
normalized_data(:, i) = ( source_data(:, i)-mea ) / st;
endend
% 測試資料佔全部資料的比例
testratio = 0.3;
% 訓練集索引
trainindices = crossvalind('holdout', size(data, 1), testratio);
% 測試集索引
testindices = ~trainindices;
% 訓練集和訓練標籤
traindata = data(trainindices, :);
trainlabel = label(trainindices, :);
% 測試集和測試標籤
testdata = data(testindices, :);
testlabel = label(testindices, :);
num=xlsread('data1.xlsx','sheet1','a1:e375');
input_train=num(1:210,1:4)';
output_train=num(1:210,5)';
input_test=num(210:300,1:4)';
output_test=num(210:300,5)';
MATLAB矩陣基本操作1
matlab 矩陣操作 結構矩陣 和單元矩陣 結構矩陣 格式為 結構矩陣元素.成員名 表示式a 1 x1 10 a 1 x2 liu a 1 x3 10 21 34 78 a 2 x1 11 a 2 x2 xia a 2 x3 11 121 34 78 a 3 x1 12 a 3 x2 cai a ...
MatLab學習1 矩陣操作
1 簡單矩陣構造 a 1,2,3 構造乙個1x3的矩陣，各元素為1，2，3 或者a 1 2 3 使用空格 b 1,2,3 7,4,9 兩行三列矩陣b 2 特殊矩陣構造 1 ones函式 a ones n 構造nxn的全1矩陣 b ones m,n 產生mxn的全1矩陣 2 zeros 類似的有 a ...
Matlab基本操作
1.向量 1 直接輸入 行向量 a 1,2,3,4,5 列向量 a 1 2 3 4 5 a 1 5 生成的行向量是a a 1,2,3,4,5 2 矩陣賦值給向量 矩陣第一行賦值給向量 a b 1,矩陣第一列賦值給向量 a b 1 任意階矩陣轉換成行向量 a b 任意階矩陣轉換成列向量 b1 b a1...