神经网络规范输出数据

Question

我有一个神经网络的训练数据以及预期的输出。每个输入都是10维向量，有1个预期的输出。我用高斯规范化了训练数据，但我不知道如何归一化输出，因为它只有单维。有任何想法吗？

实施例：

原始输入矢量： -128.91，71.076，-100.75,4.2475，-98.811，77.219，4.4096，-15.382，-6.1477，-361.18

标准化输入矢量： -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，但我不知道如何对它进行归一化。我是否应该将预期输出标准化为输入向量的一部分？

Answer 1

从你问题的外观来看，你试图实现某种回归算法。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培训数据，预期的产出应该在您期望的范围内，或者只是您对预期产出的任何数据。

因此，您可以规范化训练 输入以允许训练更快，但您通常不会规范化目标输出。当涉及到测试时间或提供新的输入时，请确保您按照您在训练过程中的相同方式对数据进行标准化。具体而言，在训练网络中的任何测试输入时，使用完全相同的参数进行归一化。