informer的归一化

归一化是指将数据按比例缩放，使其落入特定的范围内。在Informer中，归一化是通过计算数据集的均值和标准差进行的。引用中的代码展示了在Informer的vail和test方法中如何进行归一化操作。具体而言，代码中使用`self.Data.scaler.mean_`和`self.Data.scaler.scale_`来获取数据集的均值和标准差。然后，通过将模型的输出和真实值分别乘以标准差和均值来进行反归一化操作，以获得归一化前的预测结果和真实值。在引用中的代码中，可以看到在源码的`exp-main.py`中加入了一行代码`self.Data=data_set`，这将数据集保存在`self.Data`变量中，以便在其他方法中使用。因此，在Informer中，归一化是通过计算均值和标准差并将其应用于模型的输出和真实值来实现的。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [Informer论文思维导图](https://blog.csdn.net/pengxiang1998/article/details/127817915)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [Autofomer预测值反归一化](https://blog.csdn.net/weixin_43149598/article/details/129109974)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]