我该如何清理标准化数据，然后再“非标准化”呢？

我使用的是带有Tensorflow神经网络的Anaconda。我的大部分数据都与pandas存储在一起。
我试图预测加密货币市场。我知道很多人可能会这样做，而且这很可能不会很有效，我主要是通过它来熟悉Tensorflow和Anaconda工具。
我对此很新，所以如果我做错了什么或不理想，请让我知道。我该如何清理标准化数据，然后再“非标准化”呢？

这里是我的AQUIRE和处理数据：从quandl.com

下载数据集到大熊猫DataFrames
从每个下载的数据集
串联的DataFrames
下拉菜单中选择所需的列合并后的所有NaN DataFrame
将每列（独立）标准化为0.0-1.0新DataFrame使用的代码
df = (df - df.min())/(df.max() - df.min())
饲料的归一化数据到我的神经网络
Unnormalize的数据（这是我还没有实现的部分）

现在，我的问题是，，我该如何干净地标准化，然后对这些数据进行非规范化处理？我意识到如果我想对数据进行非规范化处理，我将需要存储最初的df.min()和df.max()值，但这看起来很丑并且感觉很麻烦。
我知道我可以使用sklearn.preprocessing.MinMaxScaler来标准化数据，但据我所知我不能使用这个来对数据进行非标准化。

这可能是我在这里做了一些根本性的错误，但是如果没有一种干净的方法来规范化和使用Anaconda或其他库进行非规范化的数据，我会非常惊讶。

来源

2017-04-13 PizzaFrog

如果不存储最小值和最大值，则不可能不正常。我会在函数中归一化归一化，并返回最大值和最小值（以及标准化数据）以供后续使用。 – Robbie

@Robbie这就是我打算做的事情，看起来很奇怪，像这样的东西没有实现。我接近这个错误吗？我是否应该正常化？我正在使用这个网络进行加密货币市场分析 – PizzaFrog

您不必对数据进行标准化即可将其用于神经网络，尽管这是由于各种原因完成的（请参阅http://www.faqs.org/faqs/ai-faq/神经网/第2部分/）。 – Robbie

sklearn.preprocessing中的所有缩放器都有inverse_transform专为此设计的方法。

例如，规模和未扩展您的DataFrame与MinMaxScaler你可以这样做：

from sklearn.preprocessing import MinMaxScaler 
scaler = MinMaxScaler() 
scaled = scaler.fit_transform(df) 
unscaled = scaler.inverse_transform(scaled)

只要记住了transform函数（fit_transform以及）返回一个numpy.array，而不是pandas.Dataframe 。

来源

2017-04-13 04:46:36 tmrlvi

正是我在找什么，谢谢 – PizzaFrog

我该如何清理标准化数据，然后再“非标准化”呢？

回答

相关问题