有关在时序数据上使用StandardScaler的正确方法的问题。我有一个时间序列数据，希望将其放入形状的RNN（样本，时间步长，特征）中，我将数据分成比例约为70/20/10的训练/验证/测试集分别是，scikit的缩放器只接受2D张量来拟合数据，现在的问题是如何将3D训练数据正确地放入缩放器中，然后再转换验证和测试集？
此外，还有另外一件事值得一提。我的数据的单个样本的形状为（100,6）--->（时间步长，特征），但由于该事实，我从该单个样本中对多个形状为（40，6）的样本进行子采样只需40个步骤即可解决我的问题，此外，它还允许我从单个样本生成更多数据，现在最好对每个单个子样本（40、6）进行缩放并将其馈送到我的模型中，或者只是对模型进行缩放整个样本（100，6），然后进行子采样？
根据我的理解，对整个样本进行缩放的问题将在稍后模型将面对新数据时出现，新收集的数据将具有形状（40，6），因为这正是模型期望的形状，也就是预测我要预测的内容所需的时间步长，但是由于在训练过程中，数据是使用较大的样本量（100、6）进行缩放的，因此可能会导致某些预测错误。显然，如果我弄错了，请纠正我，这肯定会有所帮助。
欢呼