规范化或将数据修改到特定范围哪个更好？

Question

我有 180 个元素的列向量，用于将其作为特征应用于我阅读的任何模式识别算法，因为我们需要对向量进行归一化。 向量的最大值和最小值分别为 19.04881 和 8.4015。 首先，我使用了 matlab 内置函数normc(vector)，当我检查最大值和最小值时，我分别获得了 0.0693 和 0.0306。 其次，我使用normalised_vector = (vector-min(vector))./max(vector) 将值标准化为0 和1 的范围，其中我获得的最大值和最小值分别为0.5589 和0。

当在 matlab 中使用 normc 函数的描述时，它被描述为给定矩阵的归一化。但是其他例子给了我第二种方法。 在这两种方式中，归一化值是完全不同的，当应用我的算法使用这些值时，结果是完全不同的。 当我有负值时，这两种方法都不起作用。

哪种数据规范化方式是正确的方式？还是我的理解有误？ 或者我在这里遗漏了一些概念？ 我是在比较两种不相关的方法吗？ 请建议！

Answer 1

正如@excaza 提到的，规范化对于您的应用程序可能具有不同的含义。 如果归一化是指re-scaling 或ma​​pping，当您归一化到[0 1] 范围时，最小值和最大值将重新缩放到0和1 分别。所以你提到的第二种方法实际上是从一个范围映射到另一个范围，使用最小值和最大值以及线性缩放。

要将[a b] 范围内的向量映射到[0 1] 范围内，您可以遵循以下公式：

v2 = (v1 – a) / (b-a);

例如在 MATLAB 中：

V = 10*rand(10,1)+2;
Vscaled = (V-min(V))/(max(V)-min(V))

一般来说，要从[a b] 范围映射到[c d] 范围，请使用以下公式：

v2 = [  (c+d) + (d-c)* [(2*v1 – (a+b)) / (b-a)]  ] / 2

您也可以write a function 进行这种缩放。