预测样本怎样归一化和反归一化？

Lillian

最近弄一个BP程序，训练误差还可以，但是预测时候误差很大，布置是训练样本不好，还是算法选的不对。另外，预测样本进行归一化和反归一化的时候，我有点不确定，该怎么弄呢？请高手帮忙！拜托！
程序及数据样本在附件里面。
clear
PP=load('pp.txt');
WW=load('ww.txt');
P=PP';
W=WW';
for i=1:4
P0(i,:)=(P(i,:)-min(P(i,:)))/(max(P(i,:))-min(P(i,:)));
end
for i=1
W0(i,:)=(W(i,:)-min(W(i,:)))/(max(W(i,:))-min(W(i,:)));
end
net=newff(minmax(P0),[4,7,1],{'tansig','tansig','purelin'},'traingda');
net.trainparam.show=50;%训练误差一次显示最大间隔步数
net.trainparam.lr=0.05;%学习率
net.trainparam.lr_inc=1.05;
net.trainparam.epochs=20000;%最大训练步数
net.trainparam.goal=0.0001;%网络误差
net=init(net);
[net,tr]=train(net,P0,W0);
W
A=sim(net,P0);%求原始数据的拟合数据
for i=1
Y(i,:)=(max(W(i,:))-min(W(i,:)))*A(i,:)+min(W(i,:));
end
Y
E=W-Y%求拟合误差
T1=1:1:15;
figure;
plot(T1,W,'b',T1,Y,'r',T1,E,'g');
XX=load('xx.txt');%存放输入、输出样本数据X、T
TT=load('tt.txt');
X=XX';
T=TT';
%这样归一化和反归一化对么？
for i=1:4
X0(i,:)=(X(i,:)-min(X(i,:)))/(max(X(i,:))-min(X(i,:)));
end
for i=1
T0(i,:)=(T(i,:)-min(T(i,:)))/(max(T(i,:))-min(T(i,:)));
end
T
AA=sim(net,X0);%求预测数据的拟合数据
for i=1
YY(i,:)=(max(T(i,:))-min(T(i,:)))*AA(i,:)+min(T(i,:));
end
YY
E=T-YY
for j=1:9
EE(1,j)=E(1,j)/T(1,j);
end
EE
T1=1:1:9;
figure;
plot(T1,T,'b',T1,YY,'r',T1,EE,'g');

[ 本帖最后由 Lillian 于 2009-4-12 15:29 编辑 ]

lzh19840809

我有个问题想请教你，为什么要进行归一化？我觉得怎么没有必要呢？

matlab_xinshou

归一化程序：（自编）
maxu=max(u)
minu=min(u)
for i=1:m
for j=1:n  
     uc(i,j)=(u(j,i)-minu(1,i))/(maxu(1,i)-minu(1,i));
end
end
另外，也可以用premnmx语句进行归一化：
premnmx语句的语法格式是：[Pn,minp,maxp,Tn,mint,maxt]=premnmx(P,T)

matlab_xinshou

原帖由 lzh19840809 于 2009-4-16 10:07 发表

                               
登录/注册后可看大图

我有个问题想请教你，为什么要进行归一化？我觉得怎么没有必要呢？

归一化是为了加快训练网络的收敛性，具体作用是归纳统一样本的统计分布性。

matlab_xinshou

至于说反归一化，可以用postmnmx函数哦！

gzslbs2003

向前辈学习！