matlab标准化和反标准化——zscore
来源:互联网 发布:snmp可以提供什么数据 编辑:程序博客网 时间:2024/06/04 19:20
先说一下一个小疑问:
目前所了解的归一化概念有点模棱两可,目前可能有三种理解
假设矩阵A大小n*m,n代表样本数,m代表每一个样本的维度
①单独对每一列(全部样本的同一个属性)进行归一化
②单独对每一行(一个样本的所有的属性)进行归一化
③对整个矩阵A进行归一化
这三个理解都能达到所有数据变换到[0,1]的效果。
然后,正确的答案是:归一化是针对相同维度进行的,即①的理解。但是对于③,我认为也是可取的,也可以作为正确答案
举个例子,比如人的属性是颜色,身高,年龄。如果你对每一个人进行归一化,很可能把颜色归一化成一样的了,毕竟每一个人自己的几个属性的方差是不相同的,不排除存在这种可能,使得某种属性在归一化以后几乎相等,此时这种属性几乎就会失去作用了。但是对所有人的同一种属性进行归一化,即使也可能与其它维度是值相等了,但是这个属性并不会失去其作用
先来看自带函数zscore的使用
>> A=[1 2 3;4 5 6];>> [B,A_mean,A_std]=zscore(A)B = -0.7071 -0.7071 -0.7071 0.7071 0.7071 0.7071A_mean = 2.5000 3.5000 4.5000A_std = 2.1213 2.1213 2.1213>>
其中A_mean代表A按列求均值,A_std代表每一个列向量的标准差。
接下来看看如何逐步求:
>> A=[ 1 2 3;4 5 6];>> A_mean=mean(A,1);>> A_std=std(A);>> B=(A-repmat(A_mean,size(A,1),1))./repmat(A_std,size(A,1),1);>> A_meanA_mean = 2.5000 3.5000 4.5000>> A_stdA_std = 2.1213 2.1213 2.1213>> BB = -0.7071 -0.7071 -0.7071 0.7071 0.7071 0.7071
反标准化用到的是前面求到的两个参数:均值和标准差
B.*repmat(A_std,size(A,1),1)+repmat(A_mean,size(A,1),1)ans = 1 2 3 4 5 6所以在进行标准化和反标准化的时候,一定要记住均值和方差。
0 0
- matlab标准化和反标准化——zscore
- matlab标准化和反标准化——zscore
- matlab zscore函数 数据的标准化处理
- matlab中用于数据的标准化处理的zscore函数
- zscore 是如何标准化矩阵的?
- Matlab数据标准化
- matlab归一化&标准化
- matlab 音量标准化
- MATLAB关于归一化、标准化
- 软考——标准化
- 机器学习——标准化/归一化的目的和作用
- 层次化和标准化
- 标准化和软件知识产权
- 数据标准化和归一化
- 数据标准化和归一化
- 归一化和标准化
- 标准化和归一化
- 中心化和标准化
- LearnMVC5-AddAView
- 数据工程师常用的 Shell 命令
- 开源软件的商业化策略模型
- C#Winform子报表功能
- 点击按钮刷新页面定位到当时的位置
- matlab标准化和反标准化——zscore
- Storm集群组件和编程模型
- 【LeetCode-240】Search a 2D Matrix II
- [Spring] SpringMVC学习
- Linux C标准
- WINP界面
- 破解phpstorm
- Algorithms---排序之桶排序
- Java 实例