如何规范预测股市的神经网络输入[python]

我正在尝试实现一个以python预测股市的神经网络.在输入中,我有一个二维的numpy数组,我想规范化数据.
我尝试使用此代码,但我不是,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

您是否知道任何其他类型的标准化过程可以更好地适合此任务及其python实现？
谢谢

更新：
 现在在归一化之前,我从ndarray转换为list,但是打印

print data.mean(axis=0)

平均值离0很远.类似于4..有什么想法吗？

解决方法:

我个人将使用scikit-learn的标准标量模块.它允许您快速选择所需的均值和标准差.

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)

文档链接：

http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.StandardScaler.html

标签：neural-network,normalization,python
来源： https://codeday.me/bug/20191112/2023483.html