在线或；“仅转发”；python中的缩放（skicit学习）

我正在用Python处理EEG时间序列。我使用sklearn.preprocessing中的standardscaler来缩放我的序列的平均值0和标准值1，但它只提供了转换序列的选项：

-fit_变换：首先计算整个序列的均值和标准差，然后进行变换

-转换：将已知均值和标准差的序列与我之前使用“适合”的其他序列进行转换

---

我想知道skicit learn中是否有“在线”缩放的方法，它可以在同一系列的前几个时间点上缩放每个时间点。这对于某些应用程序（如BCI）是有益的，因为在这些应用程序中，您无法查看未来的数据。

我不知道您在问什么。您可以在序列的某个片段（以前的时间点）上调用

fit\u transform

，然后在数据滚入时应用transform，但可能我完全忽略了这一点。是的，您是对的，但它要么计算量大，要么不是最优的。可以很容易地获取一个片段，比如说，前10%，然后计算参数并变换序列的其余部分。我想做的是一种“自适应”缩放，所以在每个点上，我都使用前面所有点的切片。对每个点（甚至每10100或1000个点）进行切片和拟合变换可能需要很长时间。我只是问在sklearn中是否有一些默认的方法来实现这一点，这将是优化的。您可以使用train test split随机抽取数据样本。我不明白你在问什么。您可以在序列的某个片段（以前的时间点）上调用

fit\u transform

，然后在数据滚入时应用transform，但可能我完全忽略了这一点。是的，您是对的，但它要么计算量大，要么不是最优的。可以很容易地获取一个片段，比如说，前10%，然后计算参数并变换序列的其余部分。我想做的是一种“自适应”缩放，所以在每个点上，我都使用前面所有点的切片。对每个点（甚至每10100或1000个点）进行切片和拟合变换可能需要很长时间。我只是问在sklearn中是否有一些默认的方法来实现这一点，这将是优化的。您可以使用train test split随机抽取数据样本。看见