QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 1208|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

1175

主题

4

听众

2866

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。
6 l; N) k% @: {9 U' `* B6 p4 t
1 l4 Z- p+ [9 |: z) T5 L9 R### 1. 标准化(Standardization)& q/ P( F; R* {  l6 n
  |! W( W5 p3 l0 P
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。  L6 x. |. d9 s+ G6 b
3 ]: s5 X  }7 R5 \
#### 标准化的公式5 y! l0 U* [0 Y2 y
9 O' K, p6 a* [- V1 X0 g1 V- W  Z0 ^& ~/ y
对于一个数据集 \(X\),其标准化的公式为:, F4 s$ S' A  j% ~. t: {  |
\[. |/ F/ ^# R1 t: I/ }
Z = \frac{X - \mu}{\sigma}. @$ Z3 H) S! _3 Q
\]5 V; v0 k9 I8 p8 E! b# U, q
其中:" k2 H$ [0 V( e0 |
- \(Z\) 是标准化后的值。2 Y- O5 p6 l1 [7 R. ~' a& z8 Q
- \(X\) 是原始数据值。0 U  ?  [( T: |* ]! |7 q7 }4 @8 q
- \(\mu\) 是数据的均值。4 P0 ]! J) G0 [- g9 }# H
- \(\sigma\) 是数据的标准差。
4 C! x' f6 N/ M- I' x, F. z5 ?. Y
#### 标准化的特点8 w! X4 Y0 ~: n. s
) K6 M/ m) y& \* q) X2 C, z! l
- **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。
6 }8 g0 ^- y* X+ \- **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。
$ V$ c' o" {6 c7 F) `3 M- **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。
. f8 k6 U9 `) T5 `3 a4 G7 j$ _$ d7 Z0 g
### 2. 归一化(Normalization)
8 {  d& F* z8 k3 ~& j; F7 n8 P: K( \0 ]* r8 F) [, j
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。& f! E2 D0 N: o$ b0 t

0 x; Q; N5 C  r0 H! E5 j' l#### 归一化的公式
+ I! A- T& Y5 X4 t- ?, u- S; Z: n
4 U% v# m, ^8 _* i$ G  q& k对于一个数据集 \(X\),其归一化的公式为:
0 W7 b5 ~& q$ g  r5 e- `, @; V. |\[* ?) k( D6 a4 p
X' = \frac{X - \text{min}(X)}{\text{max}(X) - \text{min}(X)}
! R. r" `+ Y  A1 [/ k- r\]$ |0 z3 \6 I7 S2 @
或者对于[-1, 1]范围的归一化:
8 K; {! Y& q# y, M3 `8 u) j) s\[
- @) W& g3 W4 [( O  E) a1 FX' = \frac{2(X - \text{min}(X))}{\text{max}(X) - \text{min}(X)} - 1/ Y/ n% \+ h, B* e& }$ I
\]1 N! j2 ]. |; l1 B% i6 X  v7 [! I4 ~
其中:" Z+ }# O* H# h3 m# c4 r
- \(X'\) 是归一化后的值。5 c0 t5 _  A9 w: G  h
- \(\text{min}(X)\) 和 \(\text{max}(X)\) 分别是数据集中的最小值和最大值。( _* n1 m7 H6 c
4 x$ K# t- |1 O8 M! \% m+ y
#### 归一化的特点+ u* Y) P, y3 F

' S9 E( ?' M; l7 H/ [& ~- **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。
6 o# J( c6 }/ y( J2 P- **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。) O) G3 U# m' L. B" W0 A# S9 Y8 \
- **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。) d# e5 r1 W8 O3 A" k# S

! S) v$ K  U5 t- d. h' A### 3. 标准化与归一化的区别. t/ |1 A" ^: W4 I) W% X

  f) K0 l+ S  @! O# _| 特征          | 标准化                      | 归一化                      |
: }. S! E0 ^% {: E  k! ~8 H|---------------|-----------------------------|-----------------------------|$ a2 O7 t9 E! D, m  _# C
| 目标          | 均值为0,标准差为1          | 缩放到特定范围(如[0, 1]) |
! U, f. }8 h! K& W  \| 适用场景      | 数据近似正态分布           | 数据范围差异较大           |
7 b" K6 i. T4 o% J9 S" B8 E% n% q| 对异常值敏感  | 是                          | 是                          |
& [) c" I9 g/ [0 ^) V0 X/ ^* k| 公式          | \(Z = \frac{X - \mu}{\sigma}\) | \(X' = \frac{X - \text{min}(X)}{\text{max}(X) - \text{min}(X)}\) |
0 k& z% a  n" P$ _+ m" V
2 D+ w9 O) T2 I2 w4 ^/ M### 4. 在时间序列中的应用
8 m+ n& y/ R$ L' v+ n5 [3 f  b$ z! ^, S8 z
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:
* j0 T: o+ v8 ?* Y' q( `5 q2 ^$ p( K0 V4 J5 y1 h6 |/ ^
- **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。
, g) p) \4 u  G! `. b- Z- **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。6 L! d) B, P9 ?4 |" a3 v' G
- **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。
; H8 S' f& t$ \+ `, T
3 B& A6 d/ B% F, d### 总结, C' J  m( n) R/ l* z0 Q

8 \6 C# c! e* p- K: l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。! o0 Y1 F; t. f, r, ]
) L# h3 Z: r+ N8 f. R3 b9 a

* \8 B: R5 n1 D8 j+ q# [! U$ g9 G7 D  R" z' A- g- d

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, 2025-8-18 19:59 , Processed in 0.855377 second(s), 55 queries .

回顶部