matlab zscore函数

Matlab zscore 函数详解
使用方法
在Matlab中，zscore 函数用于标准化数据，即将原始数据转换成均值为0、标准差为1的标准正态分布。该函数可以处理向量或矩阵形式的数据。
语法如下：
Z = zscore(X)
[Z,scoreMean,stdDev] = zscore(X,flag,dim)
登录后复制

X: 输入数组（向量或矩阵）
flag: 控制偏差修正因子，默认为0表示样本标准差；设置为1则采用总体标准差[^1]
dim: 指定操作维度，默认情况下沿第一个非单一维度工作

返回值说明：

Z: 标准化后的数值
scoreMean: 原始数据的平均数
stdDev: 数据的标准差

示例代码
下面是一个简单的例子来展示如何使用 zscore 函数：
% 创建随机测试数据集
data = randn(10, 3);

% 计算并显示原数据及其统计特征
disp('Original Data:');
disp(data);
meanData = mean(data(:));
stdData = std(data(:), 1); % 总体标准差
fprintf('\nOverall Mean=%.4f\n', meanData);
fprintf('Population Std Deviation=%.4f\n', stdData);

% 应用z-score变换
[zScores, mu, sigma] = zscore(data, 1);

% 显示结果
disp('\nStandardized Z-Scores:');
disp(zScores);
fprintf('Computed Mean of Z-scores=%.4f\n', mean(zScores(:)));
fprintf('Computed Standard Deviation of Z-scores=%.4f\n', std(zScores(:), 1));

% 验证参数mu和sigma是否等于之前计算的结果
if isequal(mu, meanData * ones(size(data, 2), 1)) && ...
abs(sigma - stdData) < eps(stdData)
disp('The computed means and standard deviations match.');
else
disp('Warning: Computed statistics do not match!');
end
登录后复制
此示例创建了一个包含三个列的二维数组作为输入，并应用了基于总体标准差(flag=1)的z分数转换。通过比较输出中的均值和方差可以看出，经过标准化之后的新数据确实具有零均值单位方差特性。