히스토그램 정규화는 데이터 분석 및 시각화에서 중요한 프로세스입니다. 강력한 계산 도구인 MATLAB은 히스토그램을 효과적으로 정규화하는 데 도움이 되는 다양한 기능을 제공합니다. 이 기사에서는 MATLAB에서 히스토그램을 정규화하는 단계별 프로세스를 탐색하여 데이터에 대한 통찰력을 얻고 의미 있는 비교를 수행할 수 있도록 합니다.
MATLAB에서 히스토그램을 정규화하는 방법은 무엇입니까?
정규화된 히스토그램은 데이터 값의 빈도에 대한 도표로, 빈도가 정규화되어 합계가 1이 됩니다. 즉, 정규화된 히스토그램을 사용하여 데이터 집합의 크기가 다른 경우에도 여러 데이터 집합의 분포를 비교할 수 있습니다. , 다음은 정규화된 히스토그램을 그리는 몇 가지 단계입니다.
1단계: 데이터 로드 및 히스토그램 생성
시작하려면 MATLAB에 데이터를 로드하고 histogram() 함수를 사용하여 히스토그램을 생성해야 합니다. 이 함수는 데이터를 기반으로 빈 개수와 빈 위치를 계산합니다. 다음은 예제 코드입니다.
데이터 = % 여기에 귀하의 데이터 % ;
히스토그램 ( 데이터 ) ;
2단계: 히스토그램 데이터 검색
히스토그램을 생성한 후 histcounts() 함수를 사용하여 빈 카운트와 빈 경계값을 얻을 수 있습니다. 이 함수는 각 빈과 해당 에지의 개수를 반환합니다. 추가 처리를 위해 이러한 값을 별도의 변수에 저장합니다.
[ 카운트, 가장자리 ] = 히스트카운트 ( 데이터 ) ;
3단계: 정규화된 값 계산
히스토그램을 정규화하려면 각 빈의 개수를 데이터 포인트의 총 개수로 나누어야 합니다. 이렇게 하면 히스토그램이 절대 개수가 아닌 상대 빈도 분포를 나타냅니다. 정규화된 값을 계산하는 방법은 다음과 같습니다.
총데이터포인트 = 합집합 ( 카운트 ) ;normalizedValues = 개수 / totalDataPoints;
4단계: 빈 가장자리 조정
경우에 따라 정규화된 히스토그램을 적절하게 정렬하기 위해 빈 가장자리를 조정해야 할 수도 있습니다. 이렇게 하려면 인접한 빈 가장자리 사이의 중간점을 계산하고 이를 새 빈 중심으로 사용할 수 있습니다. 다음은 예제 코드입니다.
빈센터 = ( 가장자리 ( 1 :끝- 1 ) + 가장자리 ( 2 :끝 ) ) / 2 ;
5단계: 정규화된 히스토그램 그리기
이제 정규화된 값과 조정된 빈 중심이 있으므로 bar() 함수를 사용하여 정규화된 히스토그램을 그릴 수 있습니다. 빈 중심을 x축 값으로 설정하고 정규화된 값을 해당 y축 값으로 설정합니다.
술집 ( binCenters, normalizedValues ) ;
히스토그램을 정규화하는 전체 MATLAB 코드는 다음과 같습니다.
% 단계 1 : 히스토그램 생성데이터 = [ 10 , 이십 , 30 , 40 , 오십 , 10 , 이십 , 30 , 10 , 이십 ] ;
히스토그램 ( 데이터 ) ;
% 단계 2 : 히스토그램 데이터 가져오기
[ 카운트, 가장자리 ] = 히스트카운트 ( 데이터 ) ;
% 단계 삼 : 정규화된 값 가져오기
총데이터포인트 = 합집합 ( 카운트 ) ;
normalizedValues = 개수 / totalDataPoints;
% 단계 4 : 저장소 수정
빈센터 = ( 가장자리 ( 1 :끝- 1 ) + 가장자리 ( 2 :끝 ) ) / 2 ;
% 단계 5 : 정규화된 히스토그램을 플로팅합니다.
술집 ( binCenters, normalizedValues ) ;
% 단계 6 : 플롯 사용자 정의
xlabel ( '빈' ) ;
라벨 ( '정규화 주파수' ) ;
제목 ( '정규화된 히스토그램' ) ;
그리드 온;
예제 데이터 세트 데이터를 추가하고 히스토그램을 만드는 데 사용했습니다. 이 코드는 히스토그램을 만들고, 정규화된 값을 계산하고, 빈 가장자리를 조정하고, 정규화된 히스토그램을 플로팅합니다.
메모: 이 코드는 히스토그램 및 histcounts 함수를 포함하는 MATLAB Image Processing Toolbox가 설치되어 있다고 가정합니다.
결론
MATLAB에서 히스토그램을 정규화하는 것은 데이터의 상대적 빈도 분포에 대한 통찰력을 얻을 수 있는 간단한 프로세스입니다. 히스토그램을 정규화하기 위해 각 빈의 수를 총 데이터 포인트 수로 나눕니다.