时间序列预测数据,包含数据归一化和反归一化的python案例
时间: 2023-10-28 17:06:09 浏览: 149
分别基于LSTM、Transformers和自定义模型实现ETTh1数据集时间序列预测源码+项目说明.zip
以下是一个包含数据归一化和反归一化的时间序列预测python案例:
```python
import numpy as np
from sklearn.preprocessing import MinMaxScaler
# 定义原始数据
data = np.array([10, 20, 30, 40, 50, 60, 70, 80, 90, 100])
# 定义归一化器
scaler = MinMaxScaler(feature_range=(0, 1))
# 数据归一化
data_norm = scaler.fit_transform(data.reshape(-1, 1))
print("归一化后的数据:\n", data_norm)
# 定义反归一化函数
def inverse_normalize(scaler, data_norm):
data = scaler.inverse_transform(data_norm)
return data.flatten()
# 数据反归一化
data_inverse = inverse_normalize(scaler, data_norm)
print("反归一化后的数据:\n", data_inverse)
```
输出结果为:
```
归一化后的数据:
[[0. ]
[0.11111111]
[0.22222222]
[0.33333333]
[0.44444444]
[0.55555556]
[0.66666667]
[0.77777778]
[0.88888889]
[1. ]]
反归一化后的数据:
[ 10. 20. 30. 40. 50. 60. 70. 80. 90. 100.]
```
可以看到,原始数据经过归一化后变成了0到1之间的数值,而反归一化后得到了原始的数据。
阅读全文