使用Matlab'时是否需要对数据进行规范化；安是谁？

在Matlab中训练神经网络时，是否需要使用或规范化数据？这两个函数的文档都说明，在声明

feedforwardnet

时，这是自动完成的，但是，我已经了解到，人们仍然将其规范化。那么，如果它是由Matlab自动完成的，我为什么要规范化它呢？有必要吗？

在学习的初始阶段，您可以省略标准化。但是如果你想显著提高你的学习成绩，你就无法避免正常化。我甚至可以告诉你更多，你甚至可能需要数据的缩放。举个例子，我们的大脑也会正常化。例如，如果你听说一些国家在住房方面花费了1亿美元。然后你们的大脑会问那个国家的人口是多少。如果它是一个拥有1000人口的小国，你可以把它看作是一个巨大的价值。但是如果它是一个拥有12亿人口的大国，你会认为它是海洋中的一滴水。如果要总结，最初您可以省略规范化，但在改进阶段这是无法避免的。

如果您使用

前馈网络

，则没有必要，但如果您使用过时的函数，如

newff

，则需要。为了更进一步。

我明白了。。。但是，当使用前馈网络时，数据不是由Matlab自动标准化的吗？Matlab将在使用前标准化您的数据。但对于实际任务，我发现Matlab规范化是不够的。正常化和缩放后通常会获得良好的结果。我看到了，这很有帮助。非常感谢。顺便说一句，你知道有什么好的数据标准化方法的正确来源吗（例如，我应该使用自己的方法标准化数据，还是应该调用mapstd/mapminmax）？这取决于数据。您可以尝试使用mapstd/mapminmax。然后，您可以尝试执行相同的步骤，但要删除极值，还可以尝试sigmoidal或softmax标准化（此标准化不需要删除异常值）。此外，您还可以尝试添加缩放，这将使错误表面更圆。此链接描述了Sigmoid规格化。您可以添加一个参考，用于读取数据自动规格化的位置吗？我看不出有什么明显的变化。此外，还有各种不同类型的规范化，如果人们希望以不同于默认行为的方式对数据进行预规范化，他们可能会进行预规范化。人们可能也不知道该工具为他们进行了规范化，因为有很多工具和版本，在评论时很难不看到实际的代码和人们规范化的实际示例。我在这里读到了：它专门解释了规范化的步骤，然后他们添加了“对于大多数网络，包括feedforwardnet，这些步骤都是自动完成的，因此您只需要使用sim命令。”您从哪里了解到人们仍在对其进行规范化？同样，他们也有相同的线路（即，对于大多数网络，包括feedforwardnet，这些步骤是自动完成的，因此您只需要使用sim命令。）因此，这就提出了一个问题：网络会自动选择哪一个！从我从多个来源读到的资料来看，使用Matlab的人仍然在谈论标准化。所以我想知道，如果我对数据进行标准化，神经网络是否会更准确，或者它是否会因为Matlab自动进行而不必要……是的，但这可能是真的取决于他们使用的函数和版本，您使用的是什么。统计工具箱也有可能不同工作的神经网络。您应该在问题中指定您使用的工具箱。