如何规范预测股市的神经网络输入[python]

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了如何规范预测股市的神经网络输入[python]，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含943字，纯文字阅读大概需要2分钟。

内容图文

我正在尝试实现一个以python预测股市的神经网络.在输入中,我有一个二维的numpy数组,我想规范化数据.
我尝试使用此代码,但我不是,这是此类任务的最佳选择.

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

您是否知道任何其他类型的标准化过程可以更好地适合此任务及其python实现？
谢谢

更新：
 现在在归一化之前,我从ndarray转换为list,但是打印

print data.mean(axis=0)

平均值离0很远.类似于4..有什么想法吗？

解决方法:

我个人将使用scikit-learn的标准标量模块.它允许您快速选择所需的均值和标准差.

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)

文档链接：

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

内容总结

以上是互联网集市为您收集整理的如何规范预测股市的神经网络输入[python]全部内容，希望文章能够帮你解决如何规范预测股市的神经网络输入[python]所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---