数据预处理的规则

数据预处理是各种主流深度学习算法的关键性作用之一

1.数据归一化

在数据预处理过程中，默认情况下第一步通常是数据归一化。\n具体采用哪种方法取决于实际需求。\n常见的归一化方法主要包括以下三种：

           1.简单缩放
           2.逐样本均值消减(也称为移除直流分量)
           3.特征标准化(使数据集中所有特征都具有零均值和单位方差)

1.1简单缩放

目标在于对数据的每个维度进行重新调整（这些维度可能彼此独立），以便将其缩放到 [0,1] 或 [-1,1] 范围内（具体取决于数据特征）。这种缩放对于后续处理至关重要，在如 PCA 白化等默认参数设置中通常会假设已规范化处理过的数据。

举例来说，在处理自然图像时

Matlab提供的mapminmax函数用于将输入向量进行归一化处理。该函数不仅返回归一化后的输出y（即[y,ps]=mapminmax(x)），还返回包含映射规则的信息ps。其默认归一化范围设定为[-1,1]区间，并由变量ps记录着具体的缩放参数和边界信息（即 ymin和 ymax），而变量y则代表经过归一化处理后的输出数据。允许用户根据需求调整这一范围（例如通过指定ps.ymin和ps.ymax）。若需自定义新的缩放范围，则可以在调用该函数时指定相应的参数值（如设定新的 ymin和 y