python - 如何归一化神经网络预测股市的输入[python]

Question

我正在尝试用 Python 实现一个预测股票市场的神经网络。在输入中，我有一个 2d numpy 数组，我想规范化数据。我尝试使用此代码，但我不认为这是此类任务的最佳选择。

def normData(data):
    #data_scaled = preprocessing.scale(data)
    data = scale( data, axis=0, with_mean=True, with_std=True, copy=True )
    return data

您是否知道可以更好地适应此任务及其 python 实现的任何其他类型的规范化过程？谢谢

更新: 现在在规范化之前，我从 ndarray 转换为列表，但正在打印

print data.mean(axis=0)

均值远非 0。它大约是 4。有什么想法吗？

Answer 1

我个人会使用 scikit-learn 的标准标量模块。它允许您选择所需的均值和标准差，而且速度非常快。

from sklearn.preprocessing import StandardScaler

# Load data and split into testing and training data

scale = StandardScaler(with_mean=0, with_std=1)
scale.fit(training_data, training_label)
new_training_data = scale.transform(training_data)
new_testing_data = scale.transform(testing_data)

文档链接:

http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.StandardScaler.html