代码之家 › 专栏 › 技术社区 › Raven Cheuk

如何使用sklearn规范化具有多个特征的时间序列数据?

scikit-learn python-3.x

0

Raven Cheuk · 技术社区 · 7 年前

对于具有形状的数据 (num_samples,features) , MinMaxScaler 从 sklearn.preprocessing

但是,当用同样的方法对具有形状的时间序列数据进行处理时 (num_samples, time_steps,features) ,sklearn将给出一个错误。

from sklearn.preprocessing import MinMaxScaler
import numpy as np

#Making artifical time data
x1 = np.linspace(0,3,4).reshape(-1,1)
x2 = np.linspace(10,13,4).reshape(-1,1)
X1 = np.concatenate((x1*0.1,x2*0.1),axis=1)
X2 = np.concatenate((x1,x2),axis=1)
X = np.stack((X1,X2))

#Trying to normalize
scaler = MinMaxScaler()
X_norm = scaler.fit_transform(X) <--- error here

ValueError:找到了dim为3的数组。需要MinMaxScaler<=2.

这个 post 有点像

(timeseries-timeseries.min())/(timeseries.max()-timeseries.min())

然而,它只适用于只有一个特性的数据。因为我的数据有不止一个特征,所以这个方法不起作用。

如何规范化具有多个特征的时间序列数据?

1 回复 | 直到 7 年前

1

2

Nagabhushan Baddi 7 年前

要规范化形状的三维张量(n个采样、时间步、n个特征),请使用以下命令:

(timeseries-timeseries.min(axis=2))/(timeseries.max(axis=2)-timeseries.min(axis=2))

使用参数axis=2将返回沿第三维(即特征轴)执行的张量运算的结果。因此,每个特征将被独立地标准化。