我有一个包含 4 列/属性和 150 行的数据集。我想使用最小-最大归一化来归一化这些数据。到目前为止,我的代码是:
minData=min(min(data1))
maxData=max(max(data1))
minmaxeddata=((data1-minData)./(maxData))
这里,minData
和maxData
返回全局最小值和最大值。因此,这段代码实际上对 2D 矩阵中的所有值应用了最小-最大归一化,使得全局最小值为 0,全局最大值为 1。
但是,我想对每个列 分别执行相同的操作。具体来说,二维矩阵的每一列都应该独立于其他列进行最小-最大归一化。
我尝试仅使用 min(data1)
和 max(data1)
,但出现错误提示 Matrix dimensions must agree .
但是,通过使用全局最小值和最大值,我得到了 [0-1]
范围内的值,并使用这个标准化数据集进行了实验。我想知道我的结果有没有问题?是不是我的理解也有问题?任何指导将不胜感激。
最佳答案
如果我没理解错的话,您希望规范化 data1
的每一列。此外,由于每一列都是一个独立数据集并且很可能具有不同的动态范围,因此可能不建议进行全局最小-最大操作。我建议您按照最初的想法单独规范化每一列。
根据你的错误,你不能用 min(data1)
减去 data1
因为 min(data1)
会产生一个行向量而 data1
是一个矩阵。您正在用一个向量减去一个矩阵,这就是您收到该错误的原因。
如果您想实现您的要求,请使用 bsxfun
广播向量并在 data1
的行中重复它。因此:
mindata = min(data1);
maxdata = max(data1);
minmaxdata = bsxfun(@rdivide, bsxfun(@minus, data1, mindata), maxdata - mindata);
对于更高版本的 MATLAB,广播是语言的内置功能,因此您可以简单地执行以下操作:
mindata = min(data1);
maxdata = max(data1);
minmaxdata = (data1 - mindata) ./ (maxdata - mindata);
它更容易阅读,并且仍然做同样的工作。
例子
>> data1 = [5 9 9 9 3 3; 3 10 2 1 10 1; 2 4 4 6 5 5]
data1 =
5 9 9 9 3 3
3 10 2 1 10 1
2 4 4 6 5 5
当我运行上面的规范化代码时,我得到:
minmaxdata =
1.0000 0.8333 1.0000 1.0000 0 0.5000
0.3333 1.0000 0 0 1.0000 0
0 0 0.2857 0.6250 0.2857 1.0000
关于matlab - 二维矩阵中各列的最小-最大归一化,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29404157/