主要内容
将不同量级的数据规范化
这个例子展示了如何使用归一化来改进分散的数据插值结果griddata．归一化在某些情况下可以改善插值结果，但在其他情况下，它可能会损害解的精度。是否使用归一化是根据所插入数据的性质做出的判断。
好处:当自变量具有不同的单位和本质上不同的尺度时，将数据规范化可以潜在地改善插值结果。在这种情况下，将输入缩放到相似的大小可能会改善插值的数值方面。标准化将是有益的一个例子是如果
x表示发动机转速(rpm, 500 ~ 3500)，和y表示从0到1的发动机负载。天平x而且y相差几个数量级，它们有不同的单位。注意事项:如果自变量具有相同的单位，即使变量的尺度不同，在规范化数据时也要谨慎。对于相同单位的数据，归一化通过添加方向偏差而扭曲了解决方案，这影响了潜在的三角测量，并最终损害了插值的准确性。归一化是错误的一个例子是如果两者都是
x而且y表示位置并使用米为单位。扩展x而且y不建议使用不相等的方法，因为正东10米在空间上应该与正北10米相同。
中的值创建一些示例数据y是不是比里面的大几个数量级x．假设x而且y有不同的单位。
X =兰特(1500)/100;Y = 2.*(兰特(1500)-0.5).*90;Z = (x.*1e2).^2;
使用示例数据构建查询点网格。在网格上插入样本数据并绘制结果。
X = linspace(min(X)，max(X)，25);Y = linspace(min(Y)，max(Y)，25);[xq, yq] = meshgrid(X,Y);Zq = griddata(x,y,z,xq,yq);plot3 (x, y, z,“莫”)举行在网格(xq, yq zq)包含(“x”) ylabel (“y”)举行从
产生的结果griddata不是很顺畅，似乎很吵。自变量的不同尺度造成了这种情况，因为一个变量大小的微小变化可能导致另一个变量大小的大得多的变化。
自x而且y使用不同的单位，将它们规范化，使它们具有相似的大小，应该有助于产生更好的结果。使样本点归一化z-得分并重新生成插值使用griddata．
归一化样本点X = normalize(X);Y = normalize(Y);%再生网格X = linspace(min(X)，max(X)，25);Y = linspace(min(Y)，max(Y)，25);[xq, yq] = meshgrid(X,Y);插值和绘图Zq = griddata(x,y,z,xq,yq);plot3 (x, y, z,“莫”)举行在网格(xq, yq zq)
在这种情况下，将样本点归一化是可行的griddata计算一个更平滑的解。
另请参阅
您也可以从以下列表中选择一个网站:
