R 基准的最小-最大比例
我正在建立一个预测模型,其中我有一个温度特性,我正在使用min-max进行缩放。 一切都很好,但是在调用模型的预测过程中,我只有一行需要预测,因此只有一个温度特性值,这使得不可能缩放到最小最大值 当我只有一个数据时,如何在预测时间上使用最小最大温度输入功能进行缩放R 基准的最小-最大比例,r,machine-learning,R,Machine Learning,我正在建立一个预测模型,其中我有一个温度特性,我正在使用min-max进行缩放。 一切都很好,但是在调用模型的预测过程中,我只有一行需要预测,因此只有一个温度特性值,这使得不可能缩放到最小最大值 当我只有一个数据时,如何在预测时间上使用最小最大温度输入功能进行缩放 如果这是不可能的,我可以使用什么缩放/标准化方法在[0,1]之间缩放我的温度特征,这将对n个元素的向量或仅1个元素起作用根本不缩放它?如果没有范围,则无法缩放。这就像试图取一个点的标准偏差。没有意义。像这样说,有没有一个单一的价值。
如果这是不可能的,我可以使用什么缩放/标准化方法在[0,1]之间缩放我的温度特征,这将对n个元素的向量或仅1个元素起作用根本不缩放它?如果没有范围,则无法缩放。这就像试图取一个点的标准偏差。没有意义。像这样说,有没有一个单一的价值。。无需根据定义进行缩放。我也很好奇这个单一的vlaue功能。。。这似乎不是一种只基于一个值进行预测的可靠方法。温度是我模型中的其他特征之一,但是我唯一标准化的特征。但是,对于此输入,您只有一个值:要么对您训练的所有数据集都是相同的,要么你的数据集只包含一个元素我无法相信,要么你的数据集的总体只包含一个元素。无论如何,考虑到温度是不相关的。