QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 1825|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

1186

主题

4

听众

2922

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。% T, I: \& _1 ]& A8 F

9 S9 D8 N5 X( t& q. k  ]6 J  h### 1. 标准化(Standardization)3 ]! O4 S9 R% F6 Z) z- T; y/ Q
9 _% A7 w) |/ O: g% Y1 C: a& 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。0 N" Z* W7 q5 v

* {9 G9 M5 F& M9 P* t#### 标准化的公式% }& _& O7 q& {# w+ r

. V2 D" M( H* S- D: i+ k' {$ ]( r对于一个数据集 \(X\),其标准化的公式为:
; W, p& c* k: t) p: K\[( Z/ w) `# J. \) Y( B
Z = \frac{X - \mu}{\sigma}3 R6 r8 X2 [7 i. I+ q. |
\]
/ U. u( }' n$ ^! B其中:
" o( a: P4 n% D- \(Z\) 是标准化后的值。0 R0 Z  W* O6 I3 |
- \(X\) 是原始数据值。
9 N4 K& T1 h( o) ^0 W9 c# i0 o- \(\mu\) 是数据的均值。
- }2 @; ^  x4 K- \(\sigma\) 是数据的标准差。
5 S9 x, V1 }9 u7 d/ y
9 H* X& c7 x; h; U# b, k* ^8 `' }0 V#### 标准化的特点
4 M1 x; r/ k! \5 q3 y$ S* N
) ]/ ~# n$ H0 }, H- R( x) y# ~( n- **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。' }) W5 r4 z: G
- **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。
; Z% M" K  k9 ?: r) k( s- **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。
. h; P) k# Q" n- t( t, L
' Z1 _, }. g9 {- T$ v5 D5 B) L/ [9 ?### 2. 归一化(Normalization)5 H: R6 i" ?" a6 O- s$ m
1 Q1 E! H3 |6 _2 b' M3 x5 [  n0 ]
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。6 i2 `) h0 |: d' r
; B9 _$ I# e) H  R
#### 归一化的公式
+ h- \$ \# q3 T4 @. t" w! D4 _* C( L; l7 p
对于一个数据集 \(X\),其归一化的公式为:9 J+ L* ~6 Z; {! `& z% T; o- o: a
\[
1 v7 d% w" ~: ~X' = \frac{X - \text{min}(X)}{\text{max}(X) - \text{min}(X)}
* H5 D4 Z# y4 T- l, o\]
8 D3 c/ ?2 [/ y( w3 W或者对于[-1, 1]范围的归一化:
6 T0 R+ W0 T. @\[, m! N2 f% n/ Z. ]  q6 g1 o
X' = \frac{2(X - \text{min}(X))}{\text{max}(X) - \text{min}(X)} - 1# Q* g, {% `5 G) ~3 s
\]
( p* l, |6 s& o8 ~其中:1 S( @2 k8 n: ]. @; I2 ^9 e% f
- \(X'\) 是归一化后的值。
; s( P# }0 c0 l% \+ u: a- \(\text{min}(X)\) 和 \(\text{max}(X)\) 分别是数据集中的最小值和最大值。
# d( o: `+ x8 y. O: u# R3 _$ E
& P0 ?  t7 ?7 f2 @& `0 x0 p#### 归一化的特点
' a' n8 j( z- j9 j# I; s$ ~; ]  O5 q. R3 f' x! ^& ^4 G0 B% C- {: ?# l8 S
- **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。: Q; W4 y$ {& u
- **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。+ {" e# I3 X9 ?- {
- **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。
! B! Y) {6 {$ d5 V; k: M8 T, T) T) u4 f; A8 r2 ]) ^, e% e
### 3. 标准化与归一化的区别  y4 [/ X' @7 n! K5 O% V* f* m

; Y* n' \* X" |4 \5 L| 特征          | 标准化                      | 归一化                      |# [( S- g! k0 e" U0 |
|---------------|-----------------------------|-----------------------------|
+ n* ]' f2 v6 i3 F! a| 目标          | 均值为0,标准差为1          | 缩放到特定范围(如[0, 1]) |# |8 R! e. k& n1 y/ j; @( S9 c
| 适用场景      | 数据近似正态分布           | 数据范围差异较大           |/ O9 n/ V9 C" u: Q2 i& U: T+ g
| 对异常值敏感  | 是                          | 是                          |7 }! o& l1 }/ u- Q8 Z9 Q- s4 [
| 公式          | \(Z = \frac{X - \mu}{\sigma}\) | \(X' = \frac{X - \text{min}(X)}{\text{max}(X) - \text{min}(X)}\) |
% B! _; I0 j% a7 c
- P! O( K; b4 @" G: Z& e### 4. 在时间序列中的应用# ]3 e( _; u1 Q5 L3 G& |! h
! ?) h* q" a2 W: }# m
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:
% M" ?6 k6 A' H0 H, ]! R
: U2 p5 j$ q% A0 [; U- **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。: I! i7 {1 {  B
- **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。
8 S! h: w% F6 \" ~6 W4 n0 n- **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。
* |. w. e: I. q4 D; C3 m) Y5 \# `5 x+ w* K
### 总结
7 l4 A* \+ V% T. [+ i
3 ]( ^  w: i( ]/ V" F% g. n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。. i! j% c+ o% L8 ^. C
. T; P. |, I, S2 D

! B. F/ `, g( z5 _! D7 p* }$ C% m* |8 T* w

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, 2026-4-10 15:07 , Processed in 0.947775 second(s), 55 queries .

回顶部