我一直在使用Tensorflow.js构建一些简单的线性回归模型，处理各种类型的数据集。然而，现在我想看看我的数据集中日期和价格之间的关系是什么。

在之前的模型中，我会对价格或其他特征进行标准化处理，使张量表示为0到1之间的向量。

对于日期，应该如何进行这种处理，使第一个日期为0，最后一个日期为1？此外，我还需要在处理后对张量进行反标准化。

我可以使用像date.fns这样的库将日期转换为Unix时间戳…但我想知道是否有更简洁的方法来做这件事。

我的标准化和反标准化函数如下：

        function normalise (tensor) {            const min = tensor.min();            const max = tensor.max();            const normalisedTensor = tensor.sub(min).div(max.sub(min))            return {                tensor : normalisedTensor,                min,                max            }        }        function denormalise(tensor, min, max) {            const denormalisedTensor = tensor.mul(max.sub(min)).add(min);            return denormalisedTensor                    }

回答：

基本原则是，你需要将日期格式（如2021-03-21）转换为数字，然后你就可以使用你已经拥有的标准化和反标准化函数了。在你的解决方案中，你已经这样做了，但是你可以用更简单的方式来编写。你可以使用date-fns，但标准的JavaScript Date对象也足够了，所以我将使用它。

假设你的输入是一组日期字符串，如2021-05-01，那么你可以这样做：

const dateStrings = ['2021-05-01', '2021-05-07', '2021-05-31'];const timestamps = dateStrings.map(dateString => new Date(dateString).valueOf());const unnormalisedTensor = tf.tensor1d(timestamps);

然后你可以使用你现有的函数进行标准化（和反标准化）。

你可以这样将时间戳转换回日期字符串：

const timestamps = await unnormalisedTensor.array();const dateStrings = timestamps.map(timestamp => new Date(timestamp).toISOString().substring(0,10));