我正在 Keras 中创建一个深度神经网络，以使用表格数据执行 NN 回归。最佳实践是标准化输入和输出序列。我也想使用predict函数提供各种输入集的模型输出估计。如果训练数据已标准化，我想我还需要标准化predict使用相同的缩放参数的数据集。最好的方法是什么？有没有办法自动标准化模型内的数据？
我通常喜欢使用 sklearn 来实现此目的，它确实会保存参数并允许您“逆变换”回原始值。对于预测，您可以通过 inverse_transform 函数发送它们以获取其真实的预测值。
这是一个工作示例供您参考。缩放器的参数可以轻松调整。
from sklearn.preprocessing import MinMaxScaler, StandardScaler
import numpy as np
example = np.array([0., 1., 1., 0., 2., 3., 4., 4., 5.]).reshape(-1, 1)
# MinMax Scaling Example
scaler = MinMaxScaler(feature_range=(0.01, 0.99))
min_max_scaled = scaler.fit_transform(example)
min_max_orig = scaler.inverse_transform(min_max_scaled)
# Normalizing Example (mean 0, std 1)
norm = StandardScaler()
normalized = norm.fit_transform(example)
normalized_orig = norm.inverse_transform(normalized)
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@)
