如何只用一个样本标准化值？

Question

我正在使用Artificial Neural Networks对时间序列温度预测进行研究，并且大多数参考文献在使用Min-Max Normalization technique将它们输入神经网络之前对输入值进行归一化。训练和测试数据集都进行了标准化。输入值是特定日的温度，露点，降水，压力和风速值。

如果我在测试集中只有一个样本（例如，我只有今天的天气属性来预测明天的温度），我怎样才能将值标准化，因为我会有相同的最小值和最大值每个属性的值？

P.S。我已经通过电子邮件发送了我所用研究的作者，但没有人发过回复，所以我想我会在这里寻求帮助：）

Answer 1

以相同方式对训练和测试集进行标准化，因此您计算训练集上的“边界”，并仅将其应用于测试集（您不应使用测试数据）计算这些边界，你应该假设在模型创建的那一刻你不知道测试数据。）

您似乎错过了机器学习的核心理念。您无法在一个样本上训练预测模型。根据样本数量，我们指的是您收集的观察集的大小，而不是模型所需的数据量（因此，当您根据今天预测的温度时，并不意味着您有一个样本，您需要从历史记录中获取大量样本，以便训练任何模型，特别是神经网络。

因此，规范化的问题在这里并不重要 - 因为你只需要为整个历史集或执行它，如果你知道每个属性可以确定的值的确切边界，你可以手动规范化它们实现（例如 - 你正在以摄氏度测量温度，所以它应该落入[-20,40]间隔，如果你生活在世界“更柔软”的部分，那么它应该是沉重的。）

Answer 2

标准化样本，就像它在训练或测试数据集中一样。他们是你训练的范围，对吗？

通常，将有限/部分数据放入您可以处理/训练过程的上下文中，将是从中获取有意义或有效输出的唯一方法。

当然，你不应该完全局限于一个样本..因为你应该完全能够保留（和使用）前几天样本的历史。