QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 1910|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。* J- G* f0 t( _- C
7 l3 P' ^2 u* d* S$ A2 Q) y, N
### 1. 标准化(Standardization)% o3 e' z& S8 I- x! x: C3 x
! h/ D- D6 e4 `! Y* L) ~2 L
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 V# F! X+ h) O# G5 O- ^0 p! R5 D* `4 F
#### 标准化的公式
4 a: g' l. J9 E' h0 f. f+ I5 D  z8 w: X% s& a' c) B3 i" q+ V
对于一个数据集 \(X\),其标准化的公式为:) S, z! s0 Z1 p4 u
\[* H5 P2 ~% a& E: ]. M' |
Z = \frac{X - \mu}{\sigma}% K6 M4 _. ^6 K7 v; L8 U6 q9 B  t
\]
6 s+ k$ F- D6 }) i* P0 B; V* W其中:
  J: W" q4 E# w+ F* x( F+ q# @- \(Z\) 是标准化后的值。) a: T5 G  G* x! R! k8 E
- \(X\) 是原始数据值。3 ^9 J6 c+ x. r
- \(\mu\) 是数据的均值。
  F; n. p  F* U: E2 }- \(\sigma\) 是数据的标准差。  \8 J1 n' m8 S" i
* f+ \$ |3 H6 ^; N9 j
#### 标准化的特点  C5 I, t" d8 O# B4 L' F7 Q5 Q
5 g4 e0 I. l3 O  V: H
- **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。
. V! H- T" \1 G) u* g0 G7 L- **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。4 d8 g+ |9 z6 L1 ]) G0 [, I0 @3 |
- **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。
) f( h% c# d* j* F: e- a8 V6 P" f+ M6 C6 d
### 2. 归一化(Normalization)
7 a9 e# f" h7 M6 ^1 M; f, D0 w/ v# I9 @
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。
/ M" D7 `! a+ b2 L% g" L! K4 |. q7 f7 l1 J; r
#### 归一化的公式: e' z! P$ a& V$ |, X

2 b  o( v0 D0 B  A2 d对于一个数据集 \(X\),其归一化的公式为:
" V1 E, @& P7 D1 `: d\[
: d7 g6 o& c6 D( l, V5 zX' = \frac{X - \text{min}(X)}{\text{max}(X) - \text{min}(X)}
; V- {/ @+ O8 g0 U\]& p' I2 ?& @( X3 b9 T/ ^# w2 _4 B
或者对于[-1, 1]范围的归一化:( L: J6 H7 k, Q& M; z! b
\[
- x+ n- v# Z/ g1 S! {) MX' = \frac{2(X - \text{min}(X))}{\text{max}(X) - \text{min}(X)} - 11 I' ]/ \" d7 l- l; A/ i, ^! P" _
\]
7 ]* A$ W0 i$ K1 X  @" P其中:* p0 r9 q! |/ W6 _
- \(X'\) 是归一化后的值。
8 }1 y' I( X9 M6 `1 W# y' L- G- \(\text{min}(X)\) 和 \(\text{max}(X)\) 分别是数据集中的最小值和最大值。& z# s9 E5 i! x: {" Q

2 _0 X& n5 e$ Y  E: u#### 归一化的特点
  }3 |; |. p; {1 ]' g, t+ t5 D1 [3 f- z# p% A' u  c
- **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。
& f6 r. i8 }" _- **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。
+ U  M/ u. B$ x! I* N5 n/ V- **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。
; u( @, Z3 ^. F/ D: T; s" c5 z2 g2 J( K/ {. D7 d& g- L* o
### 3. 标准化与归一化的区别4 \8 G  Y6 @) ?9 S: {0 O

8 h/ @1 v$ @4 J$ F6 c! || 特征          | 标准化                      | 归一化                      |1 d& n+ `' _% O2 Z
|---------------|-----------------------------|-----------------------------|" l. D/ V- ]8 y0 z
| 目标          | 均值为0,标准差为1          | 缩放到特定范围(如[0, 1]) |
% m+ L- q, O2 b| 适用场景      | 数据近似正态分布           | 数据范围差异较大           |8 D; V, s' P! E% r
| 对异常值敏感  | 是                          | 是                          |
$ G9 W* i3 U, ^7 @$ T9 @| 公式          | \(Z = \frac{X - \mu}{\sigma}\) | \(X' = \frac{X - \text{min}(X)}{\text{max}(X) - \text{min}(X)}\) |& g  j/ H: Y; T; A

( J# X, W- \7 t" g2 x- L' e### 4. 在时间序列中的应用
4 ], |; x; k! I
# [9 C* e3 S: f8 r9 P1 w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:
7 f, W$ a2 x8 ]4 B
0 K: g+ N( H% Q) i3 C: a! 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。
) M+ a* g9 f/ p; E- **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。0 y& l2 K  W5 E% s6 h# t8 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。! |9 M9 L  |4 S) z& x5 O

0 Z( n' Y2 }  L' k2 c### 总结6 C* o1 a/ v; n1 R3 i
, V2 C( k& j+ W
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。; o" y* j0 {3 j* z2 D0 s6 L6 X

$ u) @0 _! K2 g+ B& Q3 F: }- {$ c% ]$ w# }' W' ]

3 X: D- V. d4 M% n/ }

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, 2026-6-20 05:37 , Processed in 0.397765 second(s), 55 queries .

回顶部