Normalization的方法

1. 0-1尺度缩放

$$Normalized(e_i)=\frac{e_i-E_{min}}{E_{max}-E_{min}}$$

% for matlab
IM = IM - min(IM(:));
IM = IM / max(IM(:));

之所以不采用IM=(IM-min(IM(:)))/(max(IM(:))-min(IM(:)));这样看起来简洁的形式，是为了避免最小值的重复计算。

# for python  numpy.ndarray
def scale_to_unit_interval(ndarr, eps=1e-8):
    ndarr = nadrr.copy()
    ndarr -= ndarr.min()
    ndarr *= 1/(ndarr.max()+eps)
    return ndarr

2. 零均值、1方差

$d$ 维的输入向量 $x=\left(x^{(1)},x^{(2)},\ldots,x^{(d)}\right)$，对每一个维度都要执行 normalize：

$$\widehat x^{(k)}=\frac{x^{(k)}-\text E[x^{(k)}]}{\sqrt{\text{Var}[x^{(k)}]}}$$