Question

数据归一化怎么处理？

Answer 1

归一化是为了加快训练网络的收敛性，可以不进行归一化处理
归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布，归一化在-1--+1之间是统计的坐标分布。归一化有同一、统一和合一的意思。无论是为了建模还是为了计算，首先基本度量单位要同一，神经网络是以样本在事件中的统计分别几率来进行训练(概率计算)和预测的，归一化是同一在0-1之间的统计概率分布;SVM是以降维后线性划分距离来分类和仿真的，因此时空降维归一化是统一在-1--+1之间的统计坐标分布。
当所有样本的输入信号都为正值时，与第一隐含层神经元相连的权值只能同时增加或减小，从而导致学习速度很慢。为了避免出现这种情况，加快网络学习速度，可以对输入信号进行归一化，使得所有样本的输入信号其均值接近于0或与其均方差相比很小。
归一化是因为sigmoid函数的取值是0到1之间的，网络最后一个节点的输出也是如此，所以经常要对样本的输出归一化处理。所以这样做分类的问题时用[0.9 0.1 0.1]就要比用要好。
但是归一化处理并不总是合适的，根据输出值的分布情况，标准化等其它统计变换方法有时可能更好。

Answer 2

　　数据归一化方法有两种形式，一种是把数变为（0，1）之间的小数，一种是把有量纲表达式变为无量纲表达式。
　　1、把数变为（0，1）之间的小数
　　主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速，应该归到数字信号处理范畴之内。
　　2、是把有量纲表达式变为无量纲表达式
　　归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为纯量。

Answer 3

你在所有的数据中找出最大的那个数max
可以用matlab的max函数
在所有的数据中找出最小的那个数min
可以用matlab的min函数

然后把所有的数据这样计算
(x-min)/(max-min)
这样所有的数据都归一化为0到1之间的数了

这对于模式识别是很重要的一环
无论你是用BP网、多层感知器、SVM

Answer 4

你用的是什么软件？

如果是Origin，那么选中要归一化的数据列，点击右键，在弹出的对话框中选择 Normalize