关于BP神经网络归一化的问题，求大神解答~

南风哥哥sky

  求问BP神经网络的归一化是按行还是整个矩阵的归一化？
  比如input=[1 2 3 4 5;
                     2 3 4 5 6;
: u; \6 {5 E) Z% Y/ X- p, i( [                     3 4 5 6 7];
! H0 c8 H, n8 i         output=[4 5 6 7 8];
         input_test=[6;
% K3 P) [* q! F  e                            7;
                            8];
  输入输出分别归一化，可以直接[inputn,inputs]=mapminmax(input,0,1);
                                                   [outputn,ouputs]=mapminmax(output,0,1);  吗？
5 S3 H( L$ x1 M8 B  这样就是按行归一化了吧~
( I9 }; T/ @( h( Z3 F  如果是整个矩阵归一化，也就是这样
8 B0 k* }# z6 P# X* H                                        imax=max(max(input));
                                        imin=min(min(input));
                                        inputn=(1-0)*(input-imin)/(imax-imin);%%input的归一化
                                        omax=max(max(output));
$ n5 \, h: h* s                                        omin=min(min(output));
                                        outputn=(1-0)*(output-omin)/(omax-omin);%%output的归一化
  然后再训练，预测~
  那么问题来了，预测时的input_testn是如何归一化得到的？如果还是按input的方法归一化，也就是上面的inputn=(1-0)*(input-imin)/(imax-imin);得到的input_testn会有大于1的数吧~
& @% q0 F! c- J( a! X/ Q7 g, k& L  另外，得到预测结果resultn后，如何反归一化呢？如果resultn里面有大于1或者小于0的数又怎么办呢？
  p; S" \, x6 `. I9 Q

阳光照耀的日子

mapminmax是按照每一行进行归一化，即对所有样本的同一个特征进行归一化。神经网络的训练数据要比预测数据的范围大，即预测数据的特征最大最小值范围最好不要超过训练数据的特征，这样子你的问题就不会出现了。

阳光照耀的日子

mapminmax是按照每一行进行归一化，即对所有样本的同一个特征进行归一化。神经网络的训练数据要比预测数据的范围大，即预测数据的特征最大最小值范围最好不要超过训练数据的特征，这样子你的问题就不会出现了。