Matlab はデータ正規化を実装します
データ正規化は、異なるデータを同じ標準に変換する重要な方法です。データを処理する場合、多くの場合、さらなる分析と比較のためにデータを正規化する必要があります。Matlab には、データを正規化するための実用的な関数が多数用意されています。
(1) 最小値と最大値の正規化
Min-Max 正規化は分散正規化とも呼ばれ、元のデータを [0,1] の間にマッピングする線形関数です。
公式：X_norm = (X - X_min)/(X_max - X_min)
% Matlab 関数を使用して Min-Max 正規化を実装します
X = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10];
X_norm = (X - min(X))/(max(X) - 分(X))
(2) Zスコアの正規化
Z スコア標準化は、標準偏差標準化とも呼ばれ、生データを平均 0、標準偏差 1 の分布に変換する線形関数です。
公式：X_norm = (X - mu)/sigma
% Matlab 関数を使用して Z スコア正規化を実装する
X = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10];
X_norm = zscore(X)
(3) 10 進数のスケーリングの正規化
10 進スケーリングの正規化は、比例スケールを使用してデータを縮小または拡大し、すべてのデータが [-1,1] または [0,1] の間に収まるようにする非線形関数です。
式: X_norm = X/10^k、ここで、k は可変パラメータであり、値は最大の絶対値を持つ数値が 1 未満となるような整数です。
% Matlab 関数を使用して 10 進数スケーリング正規化を実装する
X = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]; k
= ceil(log10(max(abs(X))))
X_norm = X /(10^k)
要約:
上記では、いくつかの一般的なデータ正規化方法と対応する Matlab 関数を紹介しました。データ処理中に適切な正規化方法を選択すると、その後のデータ分析の効率と精度が向上し、潜在的な問題のいくつかを回避することもできます。