QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 1955|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。
4 _! V- Z! A/ [8 K3 Q, `9 \! w, B8 d# f2 O* }* T9 @" P" p& u/ O& N' [
### 1. 标准化(Standardization)
/ @0 g; A( o8 u) n9 v+ g$ C- G2 U  R+ n" J0 x* {
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。9 ^: K9 u% F$ c7 Y
9 u; N- @7 G9 x
#### 标准化的公式- O# Y& D% R7 @" q. g% x
+ H( y) T$ p- y( P. ~6 ^$ ^
对于一个数据集 \(X\),其标准化的公式为:
. [  h! T  x" w0 l5 k* F" E& }0 I  z\[1 J" @+ c) }" G8 ]; I; W' _
Z = \frac{X - \mu}{\sigma}
2 d( W: h; o1 Z- S$ A\]
. j+ E. I# o( v1 x$ H/ K其中:
2 E2 y! i/ `1 u8 C9 v" a- \(Z\) 是标准化后的值。* c1 L6 q( @; ]3 {  A$ b* v
- \(X\) 是原始数据值。# ?# F( n4 P9 G
- \(\mu\) 是数据的均值。
" e- I/ F( x. T% E, i6 |( ?6 S0 m5 M- \(\sigma\) 是数据的标准差。' R+ a9 M# v5 ^+ s0 \
. b+ w. v- n8 g% X) h0 [4 k
#### 标准化的特点9 C0 l% g) g! w! C) i+ v4 u+ i1 E

& |$ E0 |: c8 ?+ t- **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。' x6 M7 |# v5 o2 {' e, K; i
- **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。
8 x4 D# m! Y3 v$ C# m  K- **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。
2 J9 O+ ]- Z3 R6 V* d
$ L, A+ @- k  S### 2. 归一化(Normalization)
. p" Y1 v0 T6 D# T8 f, R, H  U' s- k) V; c0 V; {( G( k% E
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。
5 Y, v1 C8 ]: E: t7 A* h
& Z- z  @$ C! N6 \#### 归一化的公式* z' `9 u3 o. V$ k6 x( u0 f

* m' D/ n2 v  s- g4 w1 ^( ]对于一个数据集 \(X\),其归一化的公式为:
: w! _- z* Y2 v% B\[( p5 m7 q. E" Q5 K3 n+ e
X' = \frac{X - \text{min}(X)}{\text{max}(X) - \text{min}(X)}
4 ~6 _; w5 f3 R  d5 _\]
/ x" K  B% M2 Q或者对于[-1, 1]范围的归一化:" C5 D- q; A- L8 f( H& @: H# v$ _  \8 E
\[
6 `5 b. _( E; r- fX' = \frac{2(X - \text{min}(X))}{\text{max}(X) - \text{min}(X)} - 1" s5 r+ z) X8 U- S2 X/ j
\]6 E0 T" |4 D# ~0 ]7 H
其中:8 Q+ z% o. P' z7 `1 \# J- o  T
- \(X'\) 是归一化后的值。5 f# ?* a3 T" p) G$ N
- \(\text{min}(X)\) 和 \(\text{max}(X)\) 分别是数据集中的最小值和最大值。& n; f/ ~' \# {0 g  j; s
/ u+ k! M; M; [) I1 z4 ^2 |3 e
#### 归一化的特点
( ~2 A" N8 Q; C3 g7 z/ F; U# g
" i9 v4 e: H0 B- **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 m) A6 g- B% u- g& c0 H
- **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。
% S4 {( c  u, G1 r0 E9 Y2 R5 ~' p+ h0 n- **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。
4 y$ z/ \! b, }1 G1 B1 b" [. z  X. z4 n
### 3. 标准化与归一化的区别5 J) [9 }8 c; I4 m( h. z# G
5 F8 ~5 l5 B  I# I, z& @1 N
| 特征          | 标准化                      | 归一化                      |3 H  L2 U  y" Q1 H/ M/ Q
|---------------|-----------------------------|-----------------------------|
0 f7 V. O( K* C% |2 Y| 目标          | 均值为0,标准差为1          | 缩放到特定范围(如[0, 1]) |. g& B1 u) y7 N, K+ V1 G1 F* _3 e
| 适用场景      | 数据近似正态分布           | 数据范围差异较大           |1 T% D* A' s4 i; c9 e: y8 D
| 对异常值敏感  | 是                          | 是                          |
4 \' y6 N6 z! _# u& Z4 F6 K6 c2 N| 公式          | \(Z = \frac{X - \mu}{\sigma}\) | \(X' = \frac{X - \text{min}(X)}{\text{max}(X) - \text{min}(X)}\) |
' t6 L, h$ W7 a- |$ J  w1 x
+ s2 v( n. m6 S( Y$ [/ T9 q### 4. 在时间序列中的应用; s% @( D" X  t: u
- U2 U% v8 v9 h! _9 b
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:
( D$ ]$ d7 k/ ]1 r
& ?. @) h4 D+ r& e0 L+ z' v' c- **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。
' r4 ?! Q- o1 d: g8 L- **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。
/ {. f$ Q$ x8 v( _# N. v- **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。3 R0 D" l7 n5 o6 b7 W2 g

1 C, |3 x% I; z" V7 T### 总结
' v: B# K" t: y  P/ t" d  [$ ?! p& ?
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。" t8 |8 W/ o" x0 c& y5 e

8 V" @% ^* N4 h0 V. y5 g: T
( j0 C# K4 Q6 H# E* g0 ^0 ~, [% v

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, 2026-8-5 22:58 , Processed in 0.431115 second(s), 55 queries .

回顶部