时间序列的归一化方法

在机器学习、模式识别的模型训练之前，通常需要对数据进行预处理工作，在哪种情况下选用哪种预处理方法，仍然是很多工作人员比较头疼的事情。本人前面的两篇博客总结了一些比较常用的数据归一化方法：

数据预处理之归一化

再谈机器学习中的归一化方法

这两篇博客介绍的都是针对非时间序列的数据进行的一些常规操作。由于时间序列的特殊性(1、相邻序列之间的模式相关性，2、在时间维度上数据是不断产生的)，因此其归一化方法也有别于非时间序列的归一化方法。通常时间序列分析的立足点在于发现异常模式或者异常值。在归一化方法的选用上，也应该尽可能的利于后续算法/模型工作。在此篇博客中，将对时间序列的归一化方法进行简单的介绍。

一、传统的归一化方法通常是进行全局归一化，比如利用全局范围内的最大值最小值对数据进行约束：