python时间序列数据归一化与反归一化

NSummer

已于 2023-07-21 17:45:21 修改

阅读量965

点赞数 2

文章标签：人工智能算法 python

于 2023-07-21 17:18:35 首次发布

本文链接：https://blog.csdn.net/weixin_38692258/article/details/131856330

版权

本文介绍了如何利用Python的sklearn库中的MinMaxScaler对时间序列数据进行归一化处理，使其缩放至0到1之间。之后，还展示了如何将归一化后的数据恢复到原始值，即反归一化的过程。这种方法在数据分析和机器学习中常用，以确保不同尺度的数据能公平比较。

摘要由CSDN通过智能技术生成

时间序列数据归一化归一化与反归一化

from sklearn.preprocessing import MinMaxScaler
# 数据归一化
scaler = MinMaxScaler() #默认范围为(0,1)，可以更改
scaled_data = pd.DataFrame(scaler.fit_transform(data), columns=data.columns, index=data.index)
# 将标准化后的数据转换为原始数据（反归一化）
pd.DataFrame(scaler.inverse_transform(scaled_data), columns=data.columns, index=data.index)