多层感知器的归一化方法

Question

我正在使用MultiLayer Perceptrons实现分类。

我需要对输入数据进行标准化。我想知道哪种方法更适合MultiLayer Perceptron方法。输入要素具有不同的范围，如下所示

feature1 - （0-1） feature2 - （1-100） feature2 - （1-100000） 。 。

1. Max-Min归一化：范围（0,1）激活函数 - Sigmoid

normalized_data =（data-min）/（max-min）

1. 标准偏差归一化：范围（-1,1） - 不确定Sigmoid将是不错的选择..双曲线切线??

normalized_data = data-mean / sd

谢谢， Atish

Answer 1

如果要对训练数据集的每一行进行标准化，则相应的方法是神经网络工具箱中的mapminmax方法。

如果您倾向于根据每个列（功能）进行标准化，则有太多方法。如果您的数据集包含不同的边界，则最好在[-1 1]之间进行标准化，否则[0 1]是合适的。

[-1 1]之间的归一化方法可以编码：

function xNorm = Normalization(x,MinX,MaxX)
% x is data, MinX is minimum values in each column and MaxX is maximum values in each column

xNorm = (x - MinX) / (MaxX - MinX) * 2 - 1;

end

xNorm是-1和1之间的归一化输入数据。

另一个解决方案是normc函数，它规范化矩阵的列。