python - 如何标准化unix时间戳以求和为离散数值？

Question

bounty 3 天后到期。这个问题的答案有资格获得 +50 声望奖励。
loretoparisi正在寻找规范的答案。







我有一个“理想”公式，其中我有一个值的总和，例如

score[i] = SUM(properties[i]) * frequency[i] + recency[i]

与 properties作为值的向量，frequency和 recency标量值，取自给定的 N 项数据集。虽然这里的所有变量都是数字和离散整数值，但 recency value 是给定时间范围内的 UNIX 时间戳(例如从现在开始的 1 个月，或从现在开始的 1 周，等等)。
在数据集中，每一项 i有一个日期值表示为 recency[i] ，以及频率值 frequency[i] ，以及列表 properties[i] . item[i]的所有属性因此在每一天都被评估为 recency[i]在建议的时间范围内。
根据这个公式，对 score 的近因贡献item[i] 的值是负贡献:时间戳越旧，得分越好(因此该公式中的 + 符号)。
我的想法是在给定范围内使用重新缩放方法，例如

scaler = MinMaxScaler(feature_range=(min(recencyVec), max(recencyVec)))
scaler = scaler.fit(values)
normalized = scaler.transform(values)

哪里recencyVec收集所有 recency每个数据点的向量，其中 min(recencyVec)是第一天和max(recencyVec)是最后一天。
使用 scikit-learn 对象 MinMaxScaler ，从而转换 recency按照 How to Normalize and Standardize Time Series Data in Python 中的建议，通过将每个特征缩放到给定范围来获取值
这是这个数值公式的正确方法吗？当与其他离散数值相加时，哪种替代方法可以将时间戳值归一化？

Answer 1

是 recency那么绝对的 UNIX 时间戳？或者你已经减去了当前的时间戳？如果不是，那么根据您的目标，只需从 recency 中减去当前的 unix 时间戳就足够了。 ，以便它始终如一地描述“从现在开始的秒数”，或时间增量而不是绝对 unix 时间。
当然，这会产生相当大的分数，但它会保持一致。
您使用的缩放比例取决于您的目标(可接受的 score 是多少？)，但许多都是有效的，只要它们是单调的。除了最小-最大缩放(我建议使用 0 作为最小值并将最大值设置为某个已知的最大时间偏移)，您可能还需要考虑对数转换。