matlab中的归一化处理有三种方法
1. premnmx、postmnmx、tramnmx
2. restd、poststd、trastd
3 .自己编程
(1)线性函数变换，公式如下：
y=(x-minvalue(/)/(最大值- minvalue ) )。
说明： x、y分别为转换前、转换后的值，MaxValue、MinValue分别为采样的最大值和最小值。
)2)对数函数变换，公式如下：
y=log10(x )
说明：以10为底的对数函数转换。
)3)反正切函数变换如下：
y=atan(x ) *2/PI
(4)归一化码
I=双精度(I；
最大值=max (max (I ) )； %max找到矩阵中各列的最大值，并创建单行数组。 转换后，行将转换为列，max将获得最大值。 如果不移动，则只能求出各列的最大值。
f=1 - I/maxvalue； %为什么用1减少？
Image1=f；
机器学习模型需要将数据规范化
1 )归一化提高了求梯度下降最优解的速度； 2 )标准化有可能提高精度
1归一化为什么会提高求梯度下降法最佳解的速度？
如下图所示，蓝色的bldwn图表示两个特征的等高线。 左图的两个特征X1和X2区间相差很大，X1区间为[ 0，2000 ]，X2区间为[ 1，5 ]，等高线非常尖。 用坡度下降法求解最优解时，很可能采取“的字型”路线(垂直等高线行走)，需要多次迭代才能收敛；
另一方面，右图是两个原始特征的归一化，对应的等高线看起来很圆，在求坡度下降时收敛得很快。
因此，机器学习模型采用梯度下降法求解最优解时，往往需要归一化，否则很难收敛或无法收敛。
追问
谢谢
谢谢