0

我正在尝试手动实现标准化功能，而不是使用 scikit learn 的。原因是，我需要手动定义最大和最小参数，而 scikit learn 不允许这种更改。

我成功地实现了这个以标准化 0 和 1 之间的值。但是运行需要很长时间。

问题： 还有另一种有效的方法可以做到这一点吗？我怎样才能使它执行得更快。

下面显示的是我的代码：

scaled_train_data = scale(train_data)

def scale(data):
    for index, row in data.iterrows():
        X_std = (data.loc[index, "Close"] - 10) / (2000 - 10)
        data.loc[index, "Close"] = X_std

    return data

2000 和 10 是我手动定义的属性，而不是取数据集的最小值和最大值。

先感谢您。

4

2 回答 2

2

使用 numpy 的矩阵。您也可以手动设置最小值和最大值。

import numpy as np
data = np.array(df)
_min = np.min(data, axis=0)
_max = np.max(data, axis=0)
normed_data = (data - _min) / (_max - _min)
于 2018-10-17T06:01:16.060 回答
1

为什么要循环？你可以使用

train_data['close'] = (train_data['close'] - 10)/(2000 - 10)

使用向量化的 numpy 函数。当然，如果你愿意，你也可以把它放在一个函数中。

或者，如果您想重新调整到线性范围，您可以使用http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.MinMaxScaler.html。这样做的好处是您可以保存它，然后以相同的方式重新调整测试数据。

于 2018-10-17T05:50:56.643 回答