如何正常化神經網絡預測股票市場的輸入[python]

我想實現一個預測股市在python中的神經網絡。在輸入中我有一個2d numpy數組，我想規範化數據。我試過這段代碼，但我不這樣做，這是這類任務的最佳選擇。如何正常化神經網絡預測股票市場的輸入[python]

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

你知道任何其他類型的規範化過程，可以更好地適應這個任務和它的python實現嗎？謝謝

UPDATE：現在正常化之前，我transfrom的ndarray列出，但打印

print data.mean(axis=0)

均值爲從0它像4.任何想法路有多遠？

來源

2016-12-15 Pino

我個人會使用scikit-learn的標準模塊。它允許你選擇你想要的平均值和標準偏差，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)

鏈接到文件：

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

來源

2016-12-15 13:56:39

謝謝，我嘗試，但它給了我一些警告。我更新了他們的問題 – Pino

我的數據包含6個不同的功能。 – Pino

意思錯誤的兩個可能原因：我認爲數據縮放是基於每個類別的。如果您出於某種原因不想這樣做，請從初始配件中取出標籤。此外，應用於測試數據的縮放比例是具有一定誤差的學習轉換。這可能是你錯誤的根源。這僅適用於測試數據。 –

如何正常化神經網絡預測股票市場的輸入[python]

回答

相關問題