股票数据归一化通常怎么做数据归一化怎么处理？

一、急！数据归一化出现负值

最好用其他软件做归一化处理，比如用matlab，R软件等，他们可以根据需要进行归一化，而spss比较单一，算法固定，

二、关于BP神经网络的数据归一化的问题

如果输出的数据较小的时候应该不用归一化，我做过一些这方面的，输出数据都比较小，没有归一化过。
但是如果输入数据归一化而输出数据要远远大于输入数据时，权值的调整范围可能也要足够大才能达到预期误差效果，所以在输出过大的情况下可能需要归一化，具体情况可以自己编一个小程序试下，看看效果。

三、数据归一化，标准化？

标准化是指在执行过程中，不同的执行人参考同样的流程，同样的方法进行.以避免因为人的因素导致的数据差.归一化是指建立共享平台，所得到的数据资料统一归档并对需要的人开放.以避免需要的人再去重复收集数据浪费人力时间.补充一点：标准化是指过程，归一化是针对结果，只有共同作用才能得到合理，科学的结果

四、如何把矩阵内的数据归一化处理

b=sqrt(sum(a.*a))；
c = a./repmat(b，size(a，1)，1)；
c就是a经过归一化的矩阵当然也可以写成一句话a = a./repmat(sqrt(sum(a.*a))，size(a，1)，1)；

五、求高手帮忙写一个算法代码，怎样进行归一化处理？

，如果看不懂的话，BOSS里面有两个默认设置，一个是最基本设置，一个是最优设置，你看下说明，先还原到最基本试下如果不行的话，再检查系统和软件，看下是系统问题还是中毒所致还有就是硬件了，首先是风扇，看转速是否正常，是否灰尘够多导致散热不良都正常的话，就是CPU问题了，很幸运你买到J商的处理货了。
。
。
。

六、数据归一化怎么处理？

归一化是为了加快训练网络的收敛性，可以不进行归一化处理 归一化的具体作用是归纳统一样本的统计分布性。
归一化在0-1之间是统计的概率分布，归一化在-1--+1之间是统计的坐标分布。
归一化有同一、统一和合一的意思。
无论是为了建模还是为了计算，首先基本度量单位要同一，神经网络是以样本在事件中的统计分别几率来进行训练(概率计算)和预测的，归一化是同一在0-1之间的统计概率分布；
SVM是以降维后线性划分距离来分类和仿真的，因此时空降维归一化是统一在-1--+1之间的统计坐标分布。
当所有样本的输入信号都为正值时，与第一隐含层神经元相连的权值只能同时增加或减小，从而导致学习速度很慢。
为了避免出现这种情况，加快网络学习速度，可以对输入信号进行归一化，使得所有样本的输入信号其均值接近于0或与其均方差相比很小。
归一化是因为sigmoid函数的取值是0到1之间的，网络最后一个节点的输出也是如此，所以经常要对样本的输出归一化处理。
所以这样做分类的问题时用[0.9 0.1 0.1]就要比用要好。
但是归一化处理并不总是合适的，根据输出值的分布情况，标准化等其它统计变换方法有时可能更好。

参考文档