如何规范化神经网络预测股市的输入[python]

我正在尝试用python实现一个预测股市的神经网络。在输入中，我有一个2d numpy数组，我想规范化数据。 我尝试使用此代码，但我不认为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

您知道任何其他类型的规范化过程可以更好地适应此任务及其python实现吗？ 多谢各位

更新： 现在在标准化之前，我将数据数组转换为列表，但是打印

print data.mean(axis=0)

---

平均值远远不是0。大概是4。有什么想法吗？

我个人会使用scikit learn的标准标量模块。它允许您选择所需的平均值和标准偏差，而且速度非常快

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)

指向文档的链接：

---

谢谢，我试过了，但它给了我一些警告。我用它们更新了这个问题。我的数据包含6个不同的特征。平均值错误的两个可能原因是：我相信数据缩放是基于每类的。如果出于某种原因不想这样做，请从初始配件中删除标签。此外，应用于测试数据的缩放是一种学习的转换，带有一些错误。这可能是您错误的根源。这只适用于测试数据。我应该在training_标签上贴什么？现在我有y=None，因为我不知道该放什么。感谢您宝贵的帮助神经网络是有监督的分类器，因此需要对标记数据进行训练。以股票市场为例，您可以使用两个标签，即涨价和降价。