如何标准缩放 3D 矩阵？

Question

我正在研究信号分类问题，想先缩放数据集矩阵，但我的数据是 3D 格式（批次、长度、通道）。

我尝试使用 Scikit-learn Standard Scaler：

 from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)

但我收到此错误消息：

找到带有暗淡 3 的数组。预期 StandardScaler <= 2

我认为一种解决方案是将矩阵拆分为多个 2D 矩阵中的每个通道，分别缩放它们，然后以 3D 格式放回原处，但我想知道是否有更好的解决方案。

非常感谢你。

原文由 JPM 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

您必须为每个通道安装并存储定标器

from sklearn.preprocessing import StandardScaler

scalers = {}
for i in range(X_train.shape[1]):
    scalers[i] = StandardScaler()
    X_train[:, i, :] = scalers[i].fit_transform(X_train[:, i, :])

for i in range(X_test.shape[1]):
    X_test[:, i, :] = scalers[i].transform(X_test[:, i, :])

原文由 Bert Kellerman 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

只有 3 行代码…

 scaler = StandardScaler()
X_train = scaler.fit_transform(X_train.reshape(-1, X_train.shape[-1])).reshape(X_train.shape)
X_test = scaler.transform(X_test.reshape(-1, X_test.shape[-1])).reshape(X_test.shape)

原文由 Marco Cerliani 发布，翻译遵循 CC BY-SA 4.0 许可协议