我是神经网络的新手(只是免责声明)。
我有一个基于 8 个特征预测混凝土强度的回归问题。我首先做的是使用最小-最大标准化重新调整数据:
# Normalize data between 0 and 1
from sklearn.preprocessing import MinMaxScaler
min_max = MinMaxScaler()
dataframe2 = pd.DataFrame(min_max.fit_transform(dataframe), columns = dataframe.columns)
然后将数据帧转换为numpy数组并将其拆分为X_train,y_train,X_test,y_test。
现在这是网络本身的 Keras 代码:
from keras.models import Sequential
from keras.layers import Dense, Activation
#Set the params of the Neural Network
batch_size = 64
num_of_epochs = 40
hidden_layer_size = 256
model = Sequential()
model.add(Dense(hidden_layer_size, input_shape=(8, )))
model.add(Activation('relu'))
model.add(Dense(hidden_layer_size))
model.add(Activation('relu'))
model.add(Dense(hidden_layer_size))
model.add(Activation('relu'))
model.add(Dense(1))
model.add(Activation('linear'))
model.compile(loss='mean_squared_error', # using the mean squared error function
optimizer='adam', # using the Adam optimiser
metrics=['mae', 'mse']) # reporting the accuracy with mean absolute error and mean squared error
model.fit(X_train, y_train, # Train the model using the training set...
batch_size=batch_size, epochs=num_of_epochs,
verbose=0, validation_split=0.1)
# All predictions in one array
predictions = model.predict(X_test)
问题:
预测array 将具有缩放格式的所有值(0 到 1 之间),但显然我需要预测为其真实值。如何将这些输出重新调整回实际值?
最小-最大标准化还是 Z 分数标准化更适合回归问题?这个“批量归一化”怎么样?
谢谢你,
根据doc http://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.MinMaxScaler.html, the MinMaxScaler
类有一个inverse_transform
执行您想要的操作的方法:
inverse_transform(X):根据feature_range撤销X的缩放。
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@)