matlab数组归一化代码 csdn

MATLAB数组归一化是将数组中的数据转换为在指定范围内的比例值，通常为0到1之间。这种转换可用于处理数据，并使它们更容易进行比较和分析。常见的归一化方法包括最小-最大缩放和标准化。

实现最小-最大缩放方法的代码如下：

function [normalized_data] = normalize_minmax(data)
% 将输入数据缩放到0到1的范围内
% 输入参数：
% data：输入数据矩阵，每一行代表一个样本，每一列代表一个特征
% 输出参数：
% normalized_data：归一化后的数据矩阵
min_val = min(data);
max_val = max(data);
normalized_data = (data - repmat(min_val, size(data, 1), 1)) ./ repmat(max_val - min_val, size(data,1), 1);
end

这段代码定义了一个名为"normalize_minmax"的函数。它接受一个名为"data"的输入参数，其中包含要缩放的原始数据矩阵。函数的执行结果是一个名为"normalized_data"的输出参数，其中包含已缩放的数据矩阵。

标准化方法的代码如下：

function [normalized_data] = normalize_std(data)
% 将输入数据标准化，使其均值为0，标准差为1
% 输入参数：
% data：输入数据矩阵，每一行代表一个样本，每一列代表一个特征
% 输出参数：
% normalized_data：归一化后的数据矩阵
mean_val = mean(data);
std_val = std(data);
normalized_data = (data - repmat(mean_val, size(data,1),1)) ./ repmat(std_val, size(data,1),1);
end

该代码定义了一个名为"normalize_std"的函数。它接受一个名为"data"的输入参数，其中包含要标准化的原始数据矩阵。函数的执行结果是一个名为"normalized_data"的输出参数，其中包含已标准化的数据矩阵。

两种方法的主要区别在于它们如何计算最小值和最大值，并根据它们对数据进行缩放。对于最小-最大缩放，最小值和最大值是基于整个数据集计算的，而对于标准化，均值和标准差是在每个特征上计算的。根据具体问题的不同，可以选择适合的归一化方法。