主要内容
标准化具有不同量大的数据
此示例显示如何使用归一化来改善分散的数据插值结果griddata.。归一化可以在某些情况下改善插值结果，但在其他情况下，它可以损害解决方案的准确性。是否使用归一化是基于正在插值的数据的性质进行的判断。
好处：当独立变量具有不同的单位和基本不同的尺度时，可以归一化您的数据可能会改善插值结果。在这种情况下，缩放输入以具有相似的大小可以改善插值的数值方面。归一化将有益的例子是
X表示从500到3500的发动机转速，以及y代表从0到1的发动机负载X和y不同的数量级不同，它们有不同的单位。注意：如果自动变量具有相同的单元，则在归一化数据时使用小心，即使变量的尺度不同。利用相同单位的数据，归一化通过添加方向偏差来使解决方案扭曲，这会影响底层三角形，并最终损害插值的准确性。归一化是错误的一个例子是
X和y代表地点，有单位米。缩放X和y不平等不建议，因为10米应原应该在空间上与北方10米相同。
创建一些示例数据，其中值y是比那些更大的数量级X。假使，假设X和y有不同的单位。
x =兰德(1500)/ 100;y = 2。* (rand(1500) -0.5)。* 90;z = (x) * 1 e2) ^ 2;
使用样本数据构造查询点的网格。插值网格上的示例数据并绘制结果。
X = linspace (min (X)、马克斯(X), 25);Y = linspace (min (Y), max (Y), 25);[xq, yq] =网格(X,Y);zq = griddata (x, y, z, xq yq);plot3（x，y，z，'莫'） 抓住上网格（XQ，YQ，ZQ）XLabel（'X'）ylabel（'是'） 抓住离开
由此产生的结果griddata.不是很顺利，似乎很吵。独立变量中的不同比例有贡献，因为一个变量大小的小变化可能导致其他变量的大小的更大变化。
自从X和y有不同的单位，使它们正常化，使它们具有相似的大小，应该有助于产生更好的结果。使用归一化样本点Z.-scores和使用插值griddata.。
％标准化样本点x = Normalize（x）;y =标准化（y）;％再生网格X = linspace (min (X)、马克斯(X), 25);Y = linspace (min (Y), max (Y), 25);[xq, yq] =网格(X,Y);％插值和情节zq = griddata (x, y, z, xq yq);plot3（x，y，z，'莫'） 抓住上网格(xq, yq zq)
在这种情况下，标准化采样点允许griddata.计算更平滑的解决方案。
也可以看看
您还可以从以下列表中选择一个网站：
