将数据导入matlab之中，可以得到input和output的数据其中input数据是2000*2的矩阵，output数据是1*2000的矩阵。将input数据和output数据按照取10%的数据用来做测试集，因此将input数据分为两份其中一份为训练集input_train，另一部分为测试集input_test，训练集的样本量为1800*2，测试集的样本量为200*2。同理output数据也要分成两份，一份为训练集output_train，一份为测试集output_test，训练集的样本量为1*1800，测试集的样本量为1*200。同时需要将input的训练集和测试集数据进行转置，使其能够通过神经网络训练。将转置完的input数据和output数据中的训练集进行归一化，即通过最大最小值方法将其以上数据化为[0,1]之间得到input的训练集和测试集inputn，inputn_test，output的训练集和测试集outputn，outputn_test。

好的，您的问题是如何将数据分为训练集和测试集，并对其进行归一化处理。以下是可以使用的MATLAB代码：

% 导入数据
data = load('data.mat');
input = data.input;
output = data.output;

% 将数据随机分为训练集和测试集
[trainInd,testInd] = dividerand(size(input,2),0.9,0.1);
input_train = input(:,trainInd);
input_test = input(:,testInd);
output_train = output(:,trainInd);
output_test = output(:,testInd);

% 转置input的训练集和测试集数据
input_train_t = input_train.';
input_test_t = input_test.';

% 归一化处理
input_min = min(input_train,[],2);
input_max = max(input_train,[],2);
inputn_train = (input_train - input_min) ./ (input_max - input_min);
inputn_test = (input_test - input_min) ./ (input_max - input_min);

output_min = min(output_train,[],2);
output_max = max(output_train,[],2);
outputn_train = (output_train - output_min) ./ (output_max - output_min);
outputn_test = (output_test - output_min) ./ (output_max - output_min);

这里使用`dividerand`函数将数据随机分为训练集和测试集。然后，将输入数据转置，以便于通过神经网络训练。最后，使用最大最小值方法将数据归一化为[0,1]范围内的值。