Метод нормализации для Multi Layer Perceptron

Question

Я реализую классификацию с использованием MultiLayer Perceptrons.

Мне нужно выполнить нормализацию входных данных. Мне было интересно, какой из них лучше подходит для подхода MultiLayer Perceptron. Функция ввода имеют различные диапазоны согласно ниже

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

1. Макс-Мин Нормализация: Диапазон (0,1) Активация функции - сигмовидной

normalized_data = (данные-мин)/(макс-мин)

1. стандартное отклонение нормализации: Диапазон (-1,1) - Не уверен. Сигмоид будет хорошим выбором. Гиперболический тангенс?

normalized_data = данные среднего/с.о.

Спасибо, Атиша

Answer 1

Если вы хотите, чтобы нормализовать каждую строку ваших обучающего набора данных, соответствующий метод mapminmax метода из Neural Network Toolbox.

Если вы склонны нормализоваться в зависимости от каждого столбца (функции), существует слишком много способов. Если ваш набор данных состоит из другой границы, лучше нормализовать между [-1 1], в противном случае [0 1] подходит.

Способ нормализации отношений между [-1 1] могут быть закодированы:

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 нормализуется входные данные между -1 и 1.

Другим решением является normc функции, которые нормализуют столбцы матрицы.