准备时间序列数据与机器学习的常规数据有什么区别

Question

我不知道如何询问或搜索这个，任何关键词或概念都值得赞赏。如果能详细说明这两种数据形式的性质差异，那就太好了。

Answer 1

通常，您会考虑对数据进行规范化或标准化。规范化是在 0-1 之间重新调整您的数据，而标准化您的数据是将其重塑为正态分布。虽然后者对新数据更稳健，但它需要先验知识，即您的数据遵循正态分布，这在许多情况下是不正确的。规范化要求您知道数据的最小值和最大值，但通常更适用于大多数情况。

对于时间序列数据，上述两种方法仍然适用，但您需要首先确保您处理的是固定数据。否则，您的模型从训练集中学到的“规模”可能不适用于推理。

时间序列数据还有另外两种方法：幂变换和差分变换。

幂变换用于消除变化的方差。对数变换、Box-Cox 变换和 Yeo-Johnson 变换是一些变体。

差分变换用于去除趋势或季节性。