QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 1904|回复: 0
打印 上一主题 下一主题

时间序列中的标准和归一化

[复制链接]
字体大小: 正常 放大

1189

主题

4

听众

2934

积分

该用户从未签到

跳转到指定楼层
1#
发表于 2024-9-20 16:35 |只看该作者 |倒序浏览
|招呼Ta 关注Ta
在时间序列分析中,标准化(Standardization)和归一化(Normalization)是两种常用的数据预处理技术,旨在提高模型的性能和稳定性。它们通过调整数据的范围和分布,使得不同特征之间具有可比性,尤其在使用机器学习算法时尤为重要。/ e9 m% N7 R) N7 c/ Z4 S

" p/ l; L/ v! a$ U" Z* U### 1. 标准化(Standardization)" w9 w& ?& S! r9 Z
* _$ E% ^) F* A5 h' H" `
标准化是将数据转换为均值为0,标准差为1的分布。通过标准化,可以消除不同特征之间的量纲影响,使得数据在同一尺度上进行比较。
8 G4 Y. e6 v9 a6 K& J6 B) p- E( W
#### 标准化的公式* n: b; i3 B6 e( f4 T2 `
* C( J/ T) ^* \( `+ a5 w
对于一个数据集 \(X\),其标准化的公式为:
* C4 X& F$ [) O5 {+ z) |5 [\[
3 u  ^0 b! y( o9 aZ = \frac{X - \mu}{\sigma}# L" ]1 N) v  C
\]3 A$ M4 M8 f* W& d& x! S! g
其中:
$ K: y5 |! w! H/ l- \(Z\) 是标准化后的值。
& \/ q: [% d3 ^5 m' V; h- \(X\) 是原始数据值。
, z8 k( k& N( {. v  p- \(\mu\) 是数据的均值。8 E  u" V5 Q! _2 ~  m. a8 O
- \(\sigma\) 是数据的标准差。
4 O3 n  V0 \! I# v: S. t
; D. y8 s6 ?# R) s; P& b#### 标准化的特点
1 ~4 y) P, c. R! a8 U0 R
3 ?: ?9 N* o1 E0 z- **适用场景**:适合于数据呈现正态分布或近似正态分布的情况。
7 g/ U9 [! _; V( c5 O1 y$ O  r- **平衡特征**:通过消除均值和标准差的影响,使得不同特征在同一尺度上进行比较。
, H6 A2 v$ W# {7 e; j. a3 d- **对异常值敏感**:标准化对异常值敏感,异常值会影响均值和标准差的计算。
! ^$ P6 \; B3 g
; ]  ^# F7 p: R) N1 \6 o; e" ^### 2. 归一化(Normalization)
* ?1 @+ X' t4 v# _/ B7 ^$ Y' u3 F: R* Z
归一化是将数据缩放到一个特定的范围,通常是[0, 1]或[-1, 1]。归一化可以使得不同特征具有相同的尺度,尤其在特征值的范围差异较大时。
1 e. m+ H) i9 u; V- c$ d1 k' [: n6 v+ y5 R9 y- j
#### 归一化的公式* `+ D5 ~+ X5 {$ E( H) O' z$ Y9 ]
. y5 x+ r0 N) `7 {. r* k
对于一个数据集 \(X\),其归一化的公式为:
% q* q1 T) R; |\[/ u$ D: j9 g" e9 S3 o% m
X' = \frac{X - \text{min}(X)}{\text{max}(X) - \text{min}(X)}
  A* G2 S" P# {5 r/ d& w0 h\]
+ M" d6 K5 a* O或者对于[-1, 1]范围的归一化:1 a! A; g) {& L1 X+ T% N
\[
! g. X& c6 \3 g* B( xX' = \frac{2(X - \text{min}(X))}{\text{max}(X) - \text{min}(X)} - 1+ l9 B; F" c( A& o
\]' b' X# [8 m$ U5 Q4 h& w: p- `
其中:$ j) x) n- S/ F# o
- \(X'\) 是归一化后的值。5 B" M' n2 @1 {" F4 [% K
- \(\text{min}(X)\) 和 \(\text{max}(X)\) 分别是数据集中的最小值和最大值。( q8 E. U3 g( ~9 K& r2 |3 ?5 X
1 x7 U* a; W0 m& G, _# K  W& Y* H% n
#### 归一化的特点; j' g$ I; e6 ?! Y4 i! y

8 r$ Q: X/ n, n8 U0 P0 k- **适用场景**:适合于数据没有明显的正态分布,并且特征值范围差异较大的情况。
8 h# d+ L1 m  s$ l: P' D- **消除量纲**:通过将数据缩放到相同的范围,消除特征之间的量纲影响。) F3 E+ N! c, w! l; a5 f- Y
- **对异常值敏感**:归一化也对异常值敏感,异常值会影响最小值和最大值的计算。
1 W- @. ]( a# N4 ~9 |9 U$ o- u) A4 y$ d) x+ X* A/ b9 s: Y9 `' A
### 3. 标准化与归一化的区别6 K* t/ F* c4 }$ T

9 ]9 l( E2 j4 T! E9 P% q' o| 特征          | 标准化                      | 归一化                      |" M1 g, o" v0 q5 R  F
|---------------|-----------------------------|-----------------------------|
6 G+ }1 Q( ~, L' i/ P7 ], I| 目标          | 均值为0,标准差为1          | 缩放到特定范围(如[0, 1]) |
) A5 d7 K5 S% w, |4 q+ e| 适用场景      | 数据近似正态分布           | 数据范围差异较大           |
. s5 f7 E; p: e, V| 对异常值敏感  | 是                          | 是                          |0 a; f9 J, D1 d) N" v7 |8 l: k
| 公式          | \(Z = \frac{X - \mu}{\sigma}\) | \(X' = \frac{X - \text{min}(X)}{\text{max}(X) - \text{min}(X)}\) |
$ J0 P0 K2 e( C4 y( {( J+ |9 k0 w' P6 m" Y( L# a
### 4. 在时间序列中的应用
2 z! d5 p5 R- S) S
' t1 I4 T/ _9 m2 Y' s  @7 H* i; {在时间序列分析中,标准化和归一化可以用于以下几个方面:' x5 N6 j! A- y* X3 G& B# o

" z$ o1 d! ]0 Z( f* ]% F/ ]; L- **特征工程**:在构建特征时,标准化和归一化可以帮助提高模型的表现,尤其是在使用基于距离的算法(如KNN、SVM等)时。0 a" S( Z  R7 Z! e5 `6 i6 C
- **平稳性检验**:在进行平稳性检验时,标准化可以帮助消除数据的尺度影响,使得检验结果更为可靠。
7 q7 ^5 R$ Y. N+ Q" B- **模型训练**:在训练机器学习模型时,标准化和归一化可以加速收敛,提高模型的训练效率。, l/ T+ c" ~( d# W

4 H6 y5 ~3 T1 t/ M) A7 K! t: T### 总结
- }! E9 G) u5 T1 |* J$ H3 ^/ o- Y; m9 `' o
标准化和归一化是时间序列数据预处理的重要步骤,能够提高模型的性能和稳定性。选择使用哪种方法取决于数据的特性和所使用的模型。了解这两者的区别和适用场景,可以帮助更好地进行时间序列分析和预测。
# ?4 K) ?2 C, [0 I0 i' \9 v: k" q0 B' V9 h; {# p

" g# S! M8 x5 t5 c  J0 S* F# h: J5 B* g: ?$ t

判断数据是否适用标准化.py

215 Bytes, 下载次数: 0, 下载积分: 体力 -2 点

售价: 1 点体力  [记录]  [购买]

归一化.py

726 Bytes, 下载次数: 0, 下载积分: 体力 -2 点

售价: 1 点体力  [记录]  [购买]

标准化.py

727 Bytes, 下载次数: 0, 下载积分: 体力 -2 点

售价: 1 点体力  [记录]  [购买]

daily-minimum-temperatures-in-me.csv

62.82 KB, 下载次数: 0, 下载积分: 体力 -2 点

售价: 1 点体力  [记录]  [购买]

zan
转播转播0 分享淘帖0 分享分享0 收藏收藏0 支持支持0 反对反对0 微信微信
您需要登录后才可以回帖 登录 | 注册地址

qq
收缩
  • 电话咨询

  • 04714969085
fastpost

关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

手机版|Archiver| |繁體中文 手机客户端  

蒙公网安备 15010502000194号

Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

GMT+8, 2026-6-19 22:54 , Processed in 0.419278 second(s), 54 queries .

回顶部