数据缩放器（简称缩放器）是一个用于处理数据归一化和反归一化的类。在时间序列分析中，原始数据通常具有显著的尺度差异。因此，模型（尤其是深度学习模型）通常不会直接在原始数据上进行操作。相反，缩放器会将数据归一化到一个特定范围内，使其更适合建模。在计算损失函数或评估指标时，也可能将数据反归一化回原始尺度，以确保比较的准确性。
这使得缩放器成为时间序列分析工作流程中的重要组件。
缩放器与其他组件一起在执行器中初始化。
例如，Z-Score 缩放器会读取原始数据，并基于训练数据计算均值和标准差。
缩放器在从数据集中提取数据后起作用。数据首先由缩放器归一化，然后传递给模型进行训练。模型处理完数据后，缩放器会将输出反归一化，然后再传递给执行器进行损失计算和指标评估。
Important
在许多时间序列分析研究中，归一化通常在数据预处理中进行，这也是早期 BasicTS 版本的做法。然而，这种方式的可扩展性较差。诸如更改输入/输出长度、应用不同的归一化方法（例如对每个时间序列单独归一化），或更改训练/验证/测试集的比例等调整，都会要求重新预处理数据。为了解决这个问题，BasicTS 采用了“即时归一化”的方式，每次提取数据时都会进行归一化处理。
# 在 runner 中
for data in dataloader:
data = scaler.transform(data)
forward_return = forward(data)
forward_return = scaler.inverse_transform(forward_return)BasicTS 提供了几种常见的缩放器，例如 Z-Score 和 Min-Max 缩放器。您可以通过在配置文件中设置 CFG.SCALER.TYPE 来轻松切换缩放器。
如果您需要自定义缩放器，可以扩展 basicts.scaler.BaseScaler 类，并实现 transform 和 inverse_transform 方法。或者，您也可以选择不继承该类，但仍然需要实现这两个方法。