이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
normalize
데이터 정규화
구문
설명
은 지정된 방법에 대한 정규화 유형을 지정합니다. 예를 들어, N
= normalize(___,method
,methodtype
)normalize(A,"norm",Inf)
는 무한대 노름을 사용하여 A
에 있는 데이터를 정규화합니다.
은 N
= normalize(___,"center",centertype
,"scale",scaletype
)"center"
와 "scale"
방법을 동시에 사용합니다. 이들 방법만 함께 사용할 수 있습니다. centertype
또는 scaletype
을 지정하지 않으면 normalize
는 해당 방법에 대한 디폴트 방법 유형을 사용합니다(평균 0이 되도록 중심화하고 표준편차로 스케일링함).
이 구문을 정규화 유형과 함께 사용하여 두 방법을 모두 수행합니다. 예를 들면 N = normalize(A,"center","median","scale","mad")
와 같습니다. 먼저 계산한 정규화에서의 정규화 값 C
와 S
를 이 구문을 사용하여 지정해 줄 수도 있습니다. 예를 들어, [N1,C,S] = normalize(A1)
을 사용하여 데이터 세트 하나를 정규화하고 파라미터를 저장합니다. 그런 다음, N2 = normalize(A2,"center",C,"scale",S)
를 사용하여 다른 데이터 세트에서 이러한 파라미터를 재사용합니다.
는 하나 이상의 이름-값 인수를 사용하여 정규화에 대한 추가 파라미터를 지정합니다. 예를 들어 N
= normalize(___,Name,Value
)A
가 테이블이거나 타임테이블이면 normalize(A,"DataVariables",datavars)
는 datavars
로 지정된 변수를 정규화합니다.
예제
벡터 및 행렬 데이터
z-점수를 계산하여 벡터와 행렬에 있는 데이터를 정규화합니다.
벡터 v
를 만들고 데이터가 평균 0과 표준편차 1을 갖도록 정규화하여 z-점수를 계산합니다.
v = 1:5; N = normalize(v)
N = 1×5
-1.2649 -0.6325 0 0.6325 1.2649
행렬 B
를 만들고 각 열에 대해 z-점수를 계산합니다. 그런 다음 각 행을 정규화합니다.
B = magic(3)
B = 3×3
8 1 6
3 5 7
4 9 2
N1 = normalize(B)
N1 = 3×3
1.1339 -1.0000 0.3780
-0.7559 0 0.7559
-0.3780 1.0000 -1.1339
N2 = normalize(B,2)
N2 = 3×3
0.8321 -1.1094 0.2774
-1.0000 0 1.0000
-0.2774 1.1094 -0.8321
데이터 스케일링하기
벡터 A
를 표준편차로 스케일링합니다.
A = 1:5;
Ns = normalize(A,"scale")
Ns = 1×5
0.6325 1.2649 1.8974 2.5298 3.1623
범위가 구간 [0, 1] 내에 오도록 A
를 스케일링합니다.
Nr = normalize(A,"range")
Nr = 1×5
0 0.2500 0.5000 0.7500 1.0000
방법 유형 지정하기
벡터 A
를 만들고 1-노름으로 정규화합니다.
A = 1:5;
Np = normalize(A,"norm",1)
Np = 1×5
0.0667 0.1333 0.2000 0.2667 0.3333
A
가 평균 0을 갖도록 데이터를 중심화합니다.
Nc = normalize(A,"center","mean")
Nc = 1×5
-2 -1 0 1 2
테이블 변수
다섯 사람의 키 정보를 포함하는 테이블을 만듭니다.
LastName = ["Sanchez";"Johnson";"Lee";"Diaz";"Brown"]; Height = [71;69;64;67;64]; T = table(LastName,Height)
T=5×2 table
LastName Height
_________ ______
"Sanchez" 71
"Johnson" 69
"Lee" 64
"Diaz" 67
"Brown" 64
가장 큰 키를 사용해 키 데이터를 정규화합니다.
N = normalize(T,"norm",Inf,"DataVariables","Height")
N=5×2 table
LastName Height
_________ _______
"Sanchez" 1
"Johnson" 0.97183
"Lee" 0.90141
"Diaz" 0.94366
"Brown" 0.90141
복소수 벡터
실수 성분과 허수 성분을 포함하는 벡터를 만듭니다.
a = [1; 2; 3; 4]; b = [2; -2; 7; -7]; z = complex(a,b)
z = 4×1 complex
1.0000 + 2.0000i
2.0000 - 2.0000i
3.0000 + 7.0000i
4.0000 - 7.0000i
복소수 벡터를 정규화합니다. 위상을 유지하면서 크기를 스케일링하려면 무한대 노름 또는 최대 크기로 스케일링합니다. Inf
옵션을 norm
방법과 함께 지정합니다. 함수는 복소수 단위 벡터를 반환합니다.
N = normalize(z,"norm",Inf)
N = 4×1 complex
0.1240 + 0.2481i
0.2481 - 0.2481i
0.3721 + 0.8682i
0.4961 - 0.8682i
정규화된 벡터가 복소수 단위원 내에 있는지 확인합니다.
Nmag = max(abs(N))
Nmag = 1
정규화된 벡터와 원래 벡터의 대응하는 요소 간의 비가 같은지 확인합니다.
r = N ./ z
r = 4×1
0.1240
0.1240
0.1240
0.1240
정규화된 벡터의 위상각이 원래 벡터의 위상각과 같은지 확인합니다.
ztheta = angle(z)
ztheta = 4×1
1.1071
-0.7854
1.1659
-1.0517
Ntheta = angle(N)
Ntheta = 4×1
1.1071
-0.7854
1.1659
-1.0517
동일한 파라미터가 있는 여러 데이터 세트 정규화하기
데이터 세트를 정규화하고 계산된 파라미터 값을 반환하고 파라미터를 재사용하여 동일한 정규화를 다른 데이터 세트에 적용합니다.
두 개의 변수 Temperature
와 WindSpeed
가 있는 타임테이블을 만듭니다. 그런 다음 동일한 변수이지만 일 년 후의 샘플을 사용하는 두 번째 타임테이블을 만듭니다.
rng default Time1 = (datetime(2019,1,1):days(1):datetime(2019,1,10))'; Temperature = randi([10 40],10,1); WindSpeed = randi([0 20],10,1); T1 = timetable(Temperature,WindSpeed,'RowTimes',Time1)
T1=10×2 timetable
Time Temperature WindSpeed
___________ ___________ _________
01-Jan-2019 35 3
02-Jan-2019 38 20
03-Jan-2019 13 20
04-Jan-2019 38 10
05-Jan-2019 29 16
06-Jan-2019 13 2
07-Jan-2019 18 8
08-Jan-2019 26 19
09-Jan-2019 39 16
10-Jan-2019 39 20
Time2 = (datetime(2020,1,1):days(1):datetime(2020,1,10))';
Temperature = randi([10 40],10,1);
WindSpeed = randi([0 20],10,1);
T2 = timetable(Temperature,WindSpeed,'RowTimes',Time2)
T2=10×2 timetable
Time Temperature WindSpeed
___________ ___________ _________
01-Jan-2020 30 14
02-Jan-2020 11 0
03-Jan-2020 36 5
04-Jan-2020 38 0
05-Jan-2020 31 2
06-Jan-2020 33 17
07-Jan-2020 33 14
08-Jan-2020 22 6
09-Jan-2020 30 19
10-Jan-2020 15 0
첫 번째 타임테이블을 정규화합니다. 세 개의 출력값을 지정합니다. 지정하는 값은 정규화된 테이블 및 정규화를 수행하기 위해 함수에서 사용하는 정규화 파라미터 값 C
와 S
입니다.
[T1_norm,C,S] = normalize(T1)
T1_norm=10×2 timetable
Time Temperature WindSpeed
___________ ___________ _________
01-Jan-2019 0.57687 -1.4636
02-Jan-2019 0.856 0.92885
03-Jan-2019 -1.4701 0.92885
04-Jan-2019 0.856 -0.4785
05-Jan-2019 0.018609 0.36591
06-Jan-2019 -1.4701 -1.6044
07-Jan-2019 -1.0049 -0.75997
08-Jan-2019 -0.26052 0.78812
09-Jan-2019 0.94905 0.36591
10-Jan-2019 0.94905 0.92885
C=1×2 table
Temperature WindSpeed
___________ _________
28.8 13.4
S=1×2 table
Temperature WindSpeed
___________ _________
10.748 7.1056
이제 첫 번째 정규화의 파라미터 값을 사용하여 두 번째 타임테이블 T2
를 정규화합니다. 이 기법은 T2
의 데이터가 T1
과 동일한 방법으로 정규화되도록 합니다.
T2_norm = normalize(T2,"center",C,"scale",S)
T2_norm=10×2 timetable
Time Temperature WindSpeed
___________ ___________ _________
01-Jan-2020 0.11165 0.084441
02-Jan-2020 -1.6562 -1.8858
03-Jan-2020 0.66992 -1.1822
04-Jan-2020 0.856 -1.8858
05-Jan-2020 0.2047 -1.6044
06-Jan-2020 0.39078 0.50665
07-Jan-2020 0.39078 0.084441
08-Jan-2020 -0.6327 -1.0414
09-Jan-2020 0.11165 0.78812
10-Jan-2020 -1.284 -1.8858
기본적으로 normalize
는 C
와 S
에도 있는 변수 T2
에 대해 연산을 수행합니다. T2
에 있는 변수의 일부를 정규화하려면 DataVariables
이름-값 인수로 연산을 수행할 변수를 지정하십시오. 사용자가 지정한 변수의 일부가 C
와 S
에 있어야 합니다.
연산을 수행할 데이터 변수로 WindSpeed
를 지정합니다. normalize
는 이 변수에 대해 연산을 수행하고 변경하지 않은 상태로 Temperature
를 반환합니다.
T2_partial = normalize(T2,"center",C,"scale",S,"DataVariables","WindSpeed")
T2_partial=10×2 timetable
Time Temperature WindSpeed
___________ ___________ _________
01-Jan-2020 30 0.084441
02-Jan-2020 11 -1.8858
03-Jan-2020 36 -1.1822
04-Jan-2020 38 -1.8858
05-Jan-2020 31 -1.6044
06-Jan-2020 33 0.50665
07-Jan-2020 33 0.084441
08-Jan-2020 22 -1.0414
09-Jan-2020 30 0.78812
10-Jan-2020 15 -1.8858
입력 인수
A
— 입력 데이터
스칼라 | 벡터 | 행렬 | 다차원 배열 | 테이블 | 타임테이블
입력 데이터로, 스칼라, 벡터, 행렬, 다차원 배열, table형 또는 timetable형으로 지정됩니다.
A
가 숫자형 배열이고 single
형인 경우 출력값도 single
형입니다. 그렇지 않은 경우 출력값은 double
형입니다.
normalize
는 A
에 있는 NaN
값을 무시합니다.
데이터형: double
| single
| table
| timetable
복소수 지원 여부: 예
dim
— 연산 차원
양의 정수 스칼라
연산 차원으로, 양의 정수 스칼라로 지정됩니다. 값이 지정되지 않은 경우 디폴트 값은 크기가 1이 아닌 첫 번째 배열 차원이 됩니다.
table형 또는 timetable형 입력 데이터의 경우 dim
은 지원되지 않으며 연산은 각 테이블 변수나 타임테이블 변수를 따라 개별적으로 수행됩니다.
method
— 정규화 방법
"zscore"
(디폴트 값) | "norm"
| "scale"
| "range"
| "center"
| "medianiqr"
methodtype
— 방법 유형
배열 | 테이블 | 요소를 2개 가진 행 벡터 | 유형 이름
방법 유형으로, 지정된 방법에 따라 배열, 테이블, 요소를 2개 가진 행 벡터 또는 유형 이름으로 지정됩니다.
방법 | 방법 유형 옵션 | 설명 |
---|---|---|
|
| z-점수를 계산합니다. 데이터가 평균 0을 갖도록 중심화하고, 표준편차 1을 갖도록 스케일링합니다. |
| z-점수를 계산합니다. 데이터가 평균 0을 갖도록 중심화하고, 중앙값 절대 편차 1을 갖도록 스케일링합니다. | |
| 양의 숫자형 스칼라(디폴트 값은 2) | 데이터를 p-노름으로 스케일링합니다. 여기서 p는 양의 숫자형 스칼라입니다. |
| 데이터를 p-노름으로 스케일링합니다. 여기서 p는 Inf 입니다. 무한대 노름 또는 최대 노름은 데이터 요소의 최대 크기와 동일합니다. | |
|
| 데이터가 표준편차 1을 갖도록 스케일링합니다. |
| 데이터가 중앙값 절대 편차 1을 갖도록 스케일링합니다. | |
| 데이터를 데이터의 첫 번째 요소로 스케일링합니다. | |
| 데이터가 사분위 범위 1을 갖도록 스케일링합니다. | |
숫자형 배열 | 데이터를 숫자형 값으로 구성된 배열로 스케일링합니다. 배열은 입력값 A 와 호환되는 크기여야 합니다. | |
테이블 | 데이터를 테이블의 변수로 스케일링합니다. 입력 데이터 A 의 각 테이블 변수는 스케일링 테이블에 있는 유사한 이름의 변수의 값을 사용하여 스케일링됩니다. | |
| 요소를 2개 가진 행 벡터(디폴트 값은 [0 1]) | 데이터 범위를 [a b] 로 다시 스케일링합니다. 여기서 a < b 입니다. |
|
| 데이터가 평균 0을 갖도록 중심화합니다. |
| 데이터가 중앙값 0을 갖도록 중심화합니다. | |
숫자형 배열 | 숫자형 값의 배열만큼 중심을 이동합니다. 배열은 입력값 A 와 호환되는 크기여야 합니다. | |
테이블 | 테이블의 변수만큼 중심을 이동합니다. 입력 데이터 A 의 각 테이블 변수는 중심화 테이블에 있는 유사한 이름의 변수의 값을 사용하여 중심화됩니다. |
centertype
, scaletype
— 정규화 방법 유형
배열 | 테이블 | 유형 이름
정규화 방법 유형으로, "center"
또는 "scale"
방법에 대해 각각 유효한 methodtype
옵션으로 지정됩니다. 각 방법에 대해 사용 가능한 옵션 목록은 methodtype
인수 설명을 참조하십시오.
예: N = normalize(A,"center",C,"scale",S)
이름-값 인수
선택적 인수 쌍을 Name1=Value1,...,NameN=ValueN
으로 지정합니다. 여기서 Name
은 인수 이름이고 Value
는 대응값입니다. 이름-값 인수는 다른 인수 뒤에 와야 하지만, 인수 쌍의 순서는 상관없습니다.
예: normalize(T,ReplaceValues=false)
R2021a 이전 릴리스에서는 쉼표를 사용하여 각 이름과 값을 구분하고 Name
을 따옴표로 묶으십시오.
예: normalize(T,"ReplaceValues",false)
DataVariables
— 연산을 수행할 테이블 변수
테이블 변수 이름 | 스칼라 | 벡터 | 셀형 배열 | pattern형 | 함수 핸들 | 테이블 vartype
첨자
연산을 수행할 테이블 변수로, 다음 표에 있는 옵션 중 하나로 지정됩니다. DataVariables
값은 입력 테이블에서 채울 변수를 나타냅니다.
테이블에서 DataVariables
로 지정되지 않은 다른 변수는 정규화되지 않은 채 출력값으로 전달됩니다.
인덱싱 방식 | 예제 |
---|---|
변수 이름:
|
|
변수 인덱스:
|
|
함수 핸들:
|
|
변수 유형:
|
|
예: normalize(T,"DataVariables",["Var1" "Var2" "Var4"])
ReplaceValues
— 값 바꾸기 표시자
true
또는 1
(디폴트 값) | false
또는 0
값 바꾸기 표시자로, A
가 테이블 또는 타임테이블이면 다음 값 중 하나로 지정됩니다.
true
또는1
— 입력 테이블 변수를 정규화된 데이터를 포함하는 테이블 변수로 바꿉니다.false
또는0
— 정규화된 데이터를 포함하는 테이블 변수를 입력 테이블 변수에 추가합니다.
벡터, 행렬 또는 다차원 배열 입력 데이터에는 ReplaceValues
가 지원되지 않습니다.
예: normalize(T,"ReplaceValues",false)
출력 인수
N
— 정규화된 값
배열 | 테이블 | 타임테이블
정규화된 값으로, 배열, 테이블 또는 타임테이블로 반환됩니다.
ReplaceValues
의 값이 false
가 아닌 경우 N
은 A
와 크기가 동일합니다. ReplaceValues
값이 false
이면 너비 N
은 입력 데이터 너비와 지정된 데이터 변수 개수의 합입니다.
일반적으로 normalize
는 다음 사례를 제외하고 입력값으로 제공된 테이블 및 타임테이블에 있는 모든 변수에 대해 연산을 수행합니다.
DataVariables
를 지정하면normalize
는 지정된 변수에 대해서만 연산을 수행합니다.먼저 계산된 파라미터
C
와S
를 사용하여 테이블 또는 타임테이블T
를 정규화하기 위해 구문normalize(T,"center",C,"scale",S)
를 사용하면normalize
는 자동으로C
와S
의 변수 이름을 사용하여 연산을 수행할T
의 데이터 변수를 결정합니다.
C
— 중심화 값
배열 | 테이블
중심화 값으로, 배열 또는 테이블로 반환됩니다.
A
가 배열일 때 normalize
는 N = (A - C) ./ S
를 충족하는 배열로 C
와 S
를 반환합니다. C
의 각 값은 지정된 차원을 따라 정규화를 수행하는 데 사용되는 중심화 값입니다. 예를 들어, A
가 10×10 데이터 행렬이고 normalize
가 첫 번째 차원을 따라 연산을 수행한다면 C
는 A
의 각 열에 대한 중심화 값을 포함하는 1×10 벡터입니다.
A
가 테이블 또는 타임테이블인 경우 normalize
는 N.Var = (A.Var - C.Var) ./ S.Var
로 정규화한 테이블 변수들 각각의 중심과 스케일을 포함하는 테이블로 C
와 S
를 반환합니다. C
와 S
의 테이블 변수 이름은 대응하는 입력값의 테이블 변수와 일치합니다. C
의 각 변수는 A
의 유사한 이름의 변수를 정규화하는 데 사용된 중심화 값을 포함합니다.
S
— 스케일링 값
배열 | 테이블
스케일링 값으로, 배열 또는 테이블로 반환됩니다.
A
가 배열일 때 normalize
는 N = (A - C) ./ S
를 충족하는 배열로 C
와 S
를 반환합니다. S
의 각 값은 지정된 차원을 따라 정규화를 수행하는 데 사용되는 스케일링 값입니다. 예를 들어, A
가 10×10 데이터 행렬이고 normalize
가 첫 번째 차원을 따라 연산을 수행한다면 S
는 A
의 각 열에 대한 스케일링 값을 포함하는 1×10 벡터입니다.
A
가 테이블 또는 타임테이블인 경우 normalize
는 N.Var = (A.Var - C.Var) ./ S.Var
로 정규화한 테이블 변수들 각각의 중심과 스케일을 포함하는 테이블로 C
와 S
를 반환합니다. C
와 S
의 테이블 변수 이름은 대응하는 입력값의 테이블 변수와 일치합니다. S
의 각 변수는 A
의 유사한 이름의 변수를 정규화하는 데 사용된 스케일링 값을 포함합니다.
세부 정보
Z-점수
z-점수는 표준편차를 사용하여 평균에서 데이터 점까지의 거리를 측정합니다. 표준화된 데이터 세트는 평균 0과 표준편차 1을 가지며, 원본 데이터 세트의 형태 속성이 그대로 유지됩니다(동일한 왜도와 첨도).
평균이 μ이고 표준편차가 σ인 확률 변수 X에 대해, 값 x의 z-점수는 입니다. 평균이 이고 표준편차가 S인 샘플 데이터에 대해, 데이터 점 x의 z-점수는 입니다.
P-노름
N개 요소를 가진 벡터 v의 p-노름에 대한 일반 정의는 다음과 같습니다.
여기서 p는 임의의 양의 실수, Inf
또는 -Inf
입니다. 일반적으로 사용되는 몇 가지 p 값은 1, 2, Inf
입니다.
p가 1이면 결과로 생성되는 1-노름은 벡터 요소의 절댓값의 합입니다.
p가 2이면 결과로 생성되는 2-노름은 벡터 크기 또는 벡터의 유클리드 길이를 제공합니다.
p가
Inf
이면 입니다.
다시 스케일링하기
다시 스케일링하기는 수직선을 따라 점을 늘리거나 압축하여 데이터 세트의 최솟값과 최댓값 사이의 거리를 변경합니다. 데이터의 z-점수는 유지되므로 분포의 모양이 동일한 형태로 남게 됩니다.
임의의 구간 [a b]
로 데이터 X
를 다시 스케일링하는 수식은 다음과 같습니다.
A
가 상수인 경우 normalize
는 구간의 하한(기본적으로 0) 또는 NaN
(지정된 구간에 Inf
가 포함된 경우)을 반환합니다.
normalize
함수와 rescale
함수 모두 임의의 구간으로 데이터를 다시 스케일링할 수 있지만, rescale
은 입력 데이터를 지정된 최솟값과 최댓값에 맞게 자를 수도 있습니다.
사분위 범위
데이터 세트의 사분위 범위(IQR)는 값들을 정렬했을 때 그 값들의 중간 50%의 범위를 나타냅니다. Q1이 데이터의 25번째 백분위수이고 Q3이 데이터의 75번째 백분위수이면 입니다.
A
가 상수이면 A
의 사분위 범위는 0입니다. 하지만 값이 누락되거나 무한대이면 A
의 사분위 범위는 NaN
입니다.
IQR은 데이터에서 가장 큰 25%와 가장 작은 25%의 값을 제외하기 때문에 데이터에 이상값(매우 크거나 매우 작은 값)이 포함된 경우 일반적으로 IQR이 데이터의 전체 범위를 살펴보는 것보다 선호됩니다.
중앙값 절대 편차
데이터 세트의 중앙값 절대 편차(MAD)는 데이터의 중앙값 에서의 절대 편차의 중앙값 입니다. 따라서 MAD는 중앙값을 기준으로 한 데이터의 가변성을 설명합니다.
표준편차는 평균으로부터의 편차를 제곱하여 이상값(매우 크거나 매우 작은 값)에 과하게 큰 영향을 부여하기 때문에, 데이터에 이상값이 포함된 경우 일반적으로 MAD가 데이터의 표준편차를 사용하는 것보다 선호됩니다. 역으로, 적은 수의 이상값의 편차는 MAD의 값에 영향을 주지 않습니다.
확장 기능
tall형 배열
메모리에 담을 수 없을 정도로 많은 행을 가진 배열을 계산할 수 있습니다.
사용법 관련 참고 및 제한 사항:
출력값
C
와S
는 지원되지 않습니다."center"
와"scale"
방법을 동시에 지정할 수 없습니다."center"
에 지원되는 방법 유형은"mean"
,"median"
또는 숫자형 스칼라입니다."scale"
에 지원되는 방법 유형은"std"
,"mad"
,"first"
또는 숫자형 스칼라입니다.DataVariables
이름-값 인수에는 함수 핸들을 지정할 수 없습니다.첫 번째 차원을 따라 중앙값 또는 사분위 범위의 계산이 필요한 정규화 방법은 tall형 열 벡터 데이터만 지원합니다. 여기에는
normalize(___,"zscore","robust")
,normalize(___,"scale","mad")
,normalize(___,"scale","iqr")
,normalize(___,"center","median")
및normalize(___,"medianiqr")
방법이 포함됩니다.
자세한 내용은 tall형 배열 항목을 참조하십시오.
C/C++ 코드 생성
MATLAB® Coder™를 사용하여 C 코드나 C++ 코드를 생성할 수 있습니다.
사용법 관련 참고 및 제한 사항:
"center"
와"scale"
에 대한 방법 유형이 모두 테이블이고DataVariables
가 제공되지 않으면 방법 유형은 동일한 순서로 테이블 변수 이름을 가져야 합니다.
스레드 기반 환경
MATLAB®의 backgroundPool
을 사용해 백그라운드에서 코드를 실행하거나 Parallel Computing Toolbox™의 ThreadPool
을 사용해 코드 실행 속도를 높일 수 있습니다.
이 함수는 스레드 기반 환경을 완전히 지원합니다. 자세한 내용은 스레드 기반 환경에서 MATLAB 함수 실행하기 항목을 참조하십시오.
GPU 배열
Parallel Computing Toolbox™를 사용해 GPU(그래픽스 처리 장치)에서 실행하여 코드 실행 속도를 높일 수 있습니다.
이 함수는 GPU 배열을 완전히 지원합니다. 자세한 내용은 GPU에서 MATLAB 함수 실행하기 (Parallel Computing Toolbox) 항목을 참조하십시오.
분산 배열
Parallel Computing Toolbox™를 사용하여 대규모 배열을 클러스터의 결합된 메모리에 걸쳐 분할할 수 있습니다.
사용법 관련 참고 및 제한 사항:
구문
normalize(___,"medianiqr")
은 지원되지 않습니다.구문
normalize(___,"scale","iqr")
은 지원되지 않습니다.
자세한 내용은 분산 배열을 사용하여 MATLAB 함수 실행 (Parallel Computing Toolbox) 항목을 참조하십시오.
버전 내역
R2018a에 개발됨R2022a: 정규화된 값 추가
이제 입력 테이블 변수를 정규화된 데이터를 포함하는 테이블 변수로 바꾸는 대신, ReplaceValues
이름-값 인수를 false
로 설정하여 정규화된 데이터를 포함하는 테이블 변수를 입력 테이블 변수에 추가할 수 있습니다.
ReplaceValues
이름-값 인수는 table형 및 timetable형 입력 데이터에 대해서만 지원됩니다.
R2021a: 동일한 파라미터가 있는 여러 데이터 세트 정규화하기
정규화 파라미터 값을 반환하고 재사용하여 이후의 데이터 세트를 정규화합니다. 예를 들어 배열 A
를 정규화한 다음 같은 파라미터를 사용하여 배열 B
를 정규화합니다.
[Anorm,C,S] = normalize(A); Bnorm = normalize(B,"center",C,"scale",S);
새로운 출력, 중심화 값 C
, 스케일링 파라미터 S
는 이후 정규화 단계에서 재사용할 수 있습니다. "center"
와 "scale"
정규화 방법을 동시에 지정합니다. 오직 이 두 정규화 방법만 함께 지정할 수 있습니다.
method
가 "center"
또는 "scale"
일 때 methodtype
의 가능한 값에는 배열과 테이블이 포함됩니다. 이러한 methodtype
값은 새 출력값 C
및 S
와 함께 동작하도록 되어 있지만, 사용자 자신만의 정규화 파라미터를 계산하여 지정할 수도 있습니다.
MATLAB 명령
다음 MATLAB 명령에 해당하는 링크를 클릭했습니다.
명령을 실행하려면 MATLAB 명령 창에 입력하십시오. 웹 브라우저는 MATLAB 명령을 지원하지 않습니다.
Select a Web Site
Choose a web site to get translated content where available and see local events and offers. Based on your location, we recommend that you select: .
You can also select a web site from the following list:
How to Get Best Site Performance
Select the China site (in Chinese or English) for best site performance. Other MathWorks country sites are not optimized for visits from your location.
Americas
- América Latina (Español)
- Canada (English)
- United States (English)
Europe
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)