Python 在机器学习中，如何处理序列生成中的人体姿势坐标？

为了简单起见，我有一个包含人体姿势坐标的数据集，假设这是样本数据

-----------------------------------
| f1    | f2     | f3    | f4     |
-----------------------------------
| [1 2] | [2 3 ] | [1 2] | [2 3 ] |
| [1 2] | [2 3 ] | [1 2] | [2 3 ] |
| [1 2] | [2 3 ] | [1 2] | [2 3 ] |

处理这些笛卡尔坐标以生成序列的最佳方法是什么，这样我就可以得到笛卡尔坐标的最终输出？

我试过的方法-

L2规范化 我对数据执行L2归一化，并将其转换为向量

[f1（x）f1（y）f2（x）…]

在通过RNN输入之后，我得到了输出，但是没有办法撤消归一化，因此我无法得到笛卡尔坐标

特征工程

---

我执行特征工程，对于集合（x，y），得到r和θ，其中r是x和y的平方根，θ=弧tan（y/x）。我也是。执行序列生成后无法获得笛卡尔坐标

特征工程是正确的方法，我只是没有意识到我可以将其转换回笛卡尔坐标

对于其他人，这就是如何转换笛卡尔->极坐标->笛卡尔坐标值的方法

让坐标为：

['311.67422784'，'966.54288455']

我们首先定义转换函数

将numpy导入为np
def transformPolar（协调）：
x=坐标[0]
y=坐标[1]
r=（浮动（x）**2+浮动（y）**2）**0.5
θ=np.arctan（浮点数（y）/浮点数（x））
返回r，θ
笛卡尔（r，θ）：
x=r*np.cos（θ）
y=r*np.sin（θ）
返回x，y

r，t=e
打印（r，t）
x、 y=笛卡尔（r，t）
打印（x，y）

1015.5520528135892 1.2588608505806973
311.67422784 966.54288455