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:
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。