我有神经网络的训练数据以及预期输出。每个输入都是 10 维向量,有 1 个预期输出。我已经使用高斯规范化了训练数据,但我不知道如何规范化输出,因为它只有单一维度。有任何想法吗?
Example:
原始输入向量:-128.91、71.076、-100.75、4.2475、-98.811、77.219、4.4096、-15.382、-6.1477、-361.18
归一化输入向量:-0.6049、1.0412、-0.3731、0.4912、-0.3571、1.0918、0.4925、0.3296、0.4056、-2.5168
上述输入的原始预期输出是 1183.6,但我不知道如何对其进行标准化。我应该将预期输出标准化为输入向量的一部分吗?
从你的问题来看,你正在尝试实现某种回归算法。对于回归问题,您通常不会标准化输出。对于您为回归系统提供的训练数据,预期输出应该在您期望的范围内,或者只是您拥有的预期输出的任何数据。
因此,您可以正常化训练
输入以使训练进行得更快,但通常不会标准化目标输出。当涉及测试时间或提供新输入时,请确保以与训练期间相同的方式标准化数据。具体来说,在训练期间对网络中的任何测试输入使用完全相同的参数进行归一化。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)