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？
* |' j- A% k2 \$ l  比如input=[1 2 3 4 5;
3 }7 T. p+ T# x. r                     2 3 4 5 6;
8 d' Q' t' z) d, b) @( D                     3 4 5 6 7];
         output=[4 5 6 7 8];
: p3 E, F# A, y5 T. `3 \" X. T         input_test=[6;
                            7;
( k% J' Y9 ]3 n% l, k: e8 ]% K- Q                            8];
* h2 f# R+ S6 K  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？
$ _9 S: Y$ d6 u& u$ _4 d  这样就是按行归一化了吧~
  如果是整个矩阵归一化，也就是这样
                                        imax=max(max(input));
                                        imin=min(min(input));
                                        inputn=(1-0)*(input-imin)/(imax-imin);%%input的归一化
" |# E, h0 z- D% V# _                                        omax=max(max(output));
                                        omin=min(min(output));
7 P; I5 F! E5 S: z' K& Q                                        outputn=(1-0)*(output-omin)/(omax-omin);%%output的归一化
  然后再训练，预测~
$ H: l/ \% v) y  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~
2 ^1 `  K9 O7 R: H  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？

6 I+ O& T) N3 d) C+ ]$ C

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。
; I5 P: `- [( c+ M

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。
" n- \) \  Q" J