Feature Scaling

FS: This library helps you scale your data to certain ranges or standarize, normalize, unit scale or min-max scale your data in your prefered way. Mostly used for normalization purposes.
minmaxscale(source, min, max, length)
minmaxscale: Min-max normalization scales your data to set minimum and maximum range
Parameters:
source
min
max
length
Returns: res: Data scaled to the set minimum and maximum range
meanscale(source, length)
meanscale: Mean normalization of your data
Parameters:
source
length
Returns: res: Mean normalization result of the source
standarize(source, length, biased)
standarize: Standarization of your data
Parameters:
source
length
biased
Returns: res: Standarized data
unitlength(source, length)
unitlength: Scales your data into overall unit length
Parameters:
source
length
Returns: res: Your data scaled to the unit length
Updated: Fixed Descriptions
minmaxscale(source, min, max, length)
minmaxscale Min-max normalization scales your data to set minimum and maximum range
Parameters:
source: Source data you want to use
min: Minimum value you want
max: Maximum value you want
length: Length of the data you want taken into account
Returns: res Data scaled to the set minimum and maximum range
meanscale(source, length)
meanscale Mean normalization of your data
Parameters:
source: Source data you want to use
length: Length of the data you want taken into account
Returns: res Mean normalization result of the source
standarize(source, length, biased)
standarize Standarization of your data
Parameters:
source: Source data you want to use
length: Length of the data you want taken into account
biased: Whether to do biased calculation while taking standard deviation, default is true
Returns: res Standarized data
unitlength(source, length)
unitlength Scales your data into overall unit length
Parameters:
source: Source data you want to use
length: Length of the data you want taken into account
Returns: res Your data scaled to the unit length
Perpustakaan pine
Dengan semangat TradingView yang sesungguhnya, penulis telah menerbitkan Kode Pine ini sebagai pustaka sumber terbuka sehingga programmer Pine lain dari komunitas kami dapat menggunakannya kembali. Hormat untuk penulis! Anda dapat menggunakan pustaka ini secara pribadi atau dalam publikasi sumber terbuka lainnya, namun penggunaan kembali kode ini dalam publikasi diatur oleh Tata Tertib.
Pernyataan Penyangkalan
Perpustakaan pine
Dengan semangat TradingView yang sesungguhnya, penulis telah menerbitkan Kode Pine ini sebagai pustaka sumber terbuka sehingga programmer Pine lain dari komunitas kami dapat menggunakannya kembali. Hormat untuk penulis! Anda dapat menggunakan pustaka ini secara pribadi atau dalam publikasi sumber terbuka lainnya, namun penggunaan kembali kode ini dalam publikasi diatur oleh Tata Tertib.