本文介绍了Matlab中mapminmax函数在神经网络工具箱中的应用，特别是关注apply和reverse两个选项的使用细节。通过探讨该函数与其他相关函数如fixunknowns、mapstd、processpca的配合，揭示了在数据标准化过程中的关键注意事项。 摘要由CSDN通过智能技术生成

这个函数主要是出现在神经网络工具箱中，其相应的函数还有fixunknowns、mapstd、processpca等函数。在该函数的说明文档中，有这么一段话

Before training, it is often useful to scale the inputs and targets so that they always fall within a specified range. The function mapminmax scales inputs and targets so that they fall in the range [–1,1]. The following code illustrates how to use this function.
[pn,ps] = mapminmax(p);
[tn,ts] = mapminmax(t);
net = train(net,pn,tn);
The original network inputs and targets are given in the matrices p and t. The normalized inputs and targets pn and tn that are returned will all fall in the interval [–1,1]. The structures ps and ts contain the settings, in this case the minimum and maximum values of the original inputs and targets. After the network has been trained, th

1.[Y,PS] = map min max (X,Y MIN ,Y MAX ) 其 中 ，Y MIN 是我们期望归一化后 矩阵 Y每行的最小值，Y MAX 是我们期望归一化后 矩阵 Y每行的最大值。 例1：待处理 矩阵 X=[4 5 6;7 8 9]我们期望归一化后每行的最小值为0，最大值为1.程序如下 扩展：（修改参数） 1. [Y,PS] = map min max (X,Y MIN ,Y MAX ) 将 矩阵 的每一行压缩到 [Y MIN ,Y MAX ]，其 中 当前行的最大值变为Y MAX ，最小值变为Y MIN 。 2.[Y,P... [Y,PS] = map min max (X,FP) Y = map min max (‘apply’,X,PS) X = map min max (‘reverse’,Y,PS) 用实例来讲解,测试数据 x1 = [1 2 4], x2 = [5 2 3]; [y,ps] = map min max (x1) y = -1....