问题标签 [feature-scaling]

我有一个数据集，其中包含带有发布日期 (YYYY-MM-DD)、访问的 URL。我想计算一整年的访问基准（平均值）。页面在不同日期发布......例如，与 3 月发布的第 2 页（11,000）相比，8 月发布的第 1 页（10,000 次访问）的权重/贡献将更多。

这是我的数据集：

第一步：

所以首先我想在我的数据集中添加一个列（即时间范围），它可以计算从发布日期开始的时间范围。例如：如果页面发布于 2019-12-10，它可以给出从我今天的日期开始的时间范围/持续时间，预计 o/p：（2019 年 12 月，9 个月）。即（页面发布的月份年份，从今天开始的总月数）

第二步：

我想根据步骤 1 中计算的时间范围列来规范化/重新调整我的数据（访问） 。

如何计算平均值/基准。

我想在我的数据框中的 10 列中的 6 列上使用 pyspark StandardScaler。这将是管道的一部分。

inputCol 参数似乎需要一个向量，我可以在对所有特征使用 VectorAssembler 后将其传入，但这会缩放所有 10 个特征。我不想缩放其他 4 个特征，因为它们是二进制的，我想要它们的非标准化系数。

我是否应该在 6 个特征上使用矢量汇编器，缩放它们，然后在这个缩放的特征向量和剩余的 4 个特征上再次使用矢量汇编器？我最终会在向量中得到一个向量，但我不确定这是否可行。

这样做的正确方法是什么？一个例子值得赞赏。

我有两个问题：

1. 我是否必须对神经网络（以及深度学习）中的所有特征应用特征缩放？
2. 如何缩放神经网络数据集中的分类特征（如果需要）？

我想做一个线性回归。

我的特点是这样的：

在进行线性回归时，我确实必须对特征进行缩放，尤其是当它们具有像 Marketcap 和其他特征这样不同的比例时，对吗？

EPS 增长的负值是怎么回事？在此示例中执行特征缩放的最佳方法是什么？

我在逻辑回归之前对我的数据进行特征缩放。

在我尝试将列除以 max_min 向量之前，一切都很完美。它似乎在每一列中都有效，但在年龄列中无效，但我似乎找不到原因。

我之前已经拆分数据进行测试和训练，下面我尝试缩放 X_train 数据。

从上面的代码中，我获得了一个表，其中每个值都减去了其列的最小值，这是正确的。输出： 输出

输出：

这是我面临问题的地方：

我已经获得了一个表格，其中每个值都除以向量，除了第一列“年龄”，其中数字不对应于除法。输出： 输出

我正在设计一个多元时间序列模型。为此，我将 5 个特征输入到 lstm 模型并尝试预测 1 个变量的输出（即其值取决于自身和其他 4 个特征）。

为此，我正在按如下方式进行特征缩放：-

输出：-

在模型的输出中，我得到的预测值为：

但是，当它尝试将其逆变换为：

predicted_stock_price = sc.inverse_transform(predicted_stock_price)

我收到以下错误：-

形状 (65,1) 的不可广播输出操作数与广播形状 (65,5) 不匹配

请帮忙。先感谢您 ：）

我对 sklearn.preprocessing.StandardScaler（以及 sklearn.preprocessing.scale）的使用有些困惑。许多突出的例子为训练集和测试集应用了单独的缩放器：

而其他人在两组上应用相同的缩放器：

实际上，在这种情况下，您不能先缩放整个集合，然后再拆分它吗？还是会让分类器提前看到测试数据？

对我来说，直观地说，第二个版本是有意义的，否则它将成为测试集的不同缩放器，并且会对后续步骤产生影响。

谁能确认哪种方法是正确的，并解释原因？

在我的dataset我有一个二进制Target（0 或 1）变量和 8 个特征：nchar、rtc、Tmean、week_day、hour、ntags和. 是一个因素，而其他因素是数字。我建立了一个决策树分类器，但我的问题涉及特征缩放：nlinksnexweek_day

模型返回它Tmean=-0.057并且ntags=2是两个分裂点。我怎样才能恢复这两个特征的原始值，即由scale().

我正在进行时间序列分析，准确地说是一个多变量时间序列，在将输入输入到我的 LSTM 模型之前，我已经对它们进行了缩放。我用来评估我的模型的指标是验证集的损失和平均绝对误差。

我的损失和 MAE 都低于 1 时，我能够取得相当不错的结果。但是，我当时想到，由于我的数据已经被缩放，它在 1 到 -1 的范围内，因此，这些结果不是奇怪。

本质上，我的问题是，当数据被缩放时，你如何评估一个旨在执行时间序列预测甚至回归的模型？由于数据落入的范围，无论如何损失不会很低吗？

为了使所有特征的所有值具有相似的比例，我们正确地执行特征缩放。我的问题是，如果我们有一个包含所有日期值的特征，我们需要使用这个日期特征来训练我们的模型。我们如何处理这个？我们是否需要缩放（标准化或标准化）日期功能？