约束Keras回归输出

我使用Keras成功地训练了NN。然而，对少数样本的预测却大相径庭。现在，我想把预测限制在一个特定的区间（比如5到10），这是唯一一个区间，在这个区间，预测可能会对我的特定问题产生影响。更一般地说，我想强制输出为特定分布（例如标准正态分布）。 我试过Keras lambda图层 keras.layers.Lambda（函数，输出形状=None，掩码=None，参数=None） 以Keras概率分布为函数 (). 然而，它不是这样工作的。有没有办法将Keras回归中的预测限制在某个区间和/或分布？

---

非常感谢

这就是为什么规范化数据标签是一个好的做法的原因之一，比如对

[0,1]

或

[-1,1]

范围进行规范化。然后，通过将

sigmoid

或

tanh

激活函数置于输出层，可以很容易地将神经网络输出限制在这些范围之一

---

这是通常对卷积对象检测器所做的，它应该可以很好地解决您的问题。神经网络无法输出概率分布，除非您的模型输出概率分布的参数，但仅规范化就可以很好地工作，而且更容易。

这就是为什么规范化数据标签是一种很好的做法的一个原因，比如对

[0,1]

或

[-1,1]

范围进行规范化。然后，通过将

sigmoid

或

tanh

激活函数置于输出层，可以很容易地将神经网络输出限制在这些范围之一

---

这是通常对卷积对象检测器所做的，它应该可以很好地解决您的问题。神经网络无法输出概率分布，除非您的模型输出概率分布的参数，但仅规范化工作很好，而且更容易。

谢谢。听起来不错。但是，对于tanh或sigmoid，间隔边缘上的值（在您的示例中接近0或1）可能变得非常不可能，对吗？但是，在我的例子中，边上的值可能同样可能。@蒂姆：不，边上的值不是不可能的。听起来不错。但是，对于tanh或sigmoid，间隔边缘上的值（在您的示例中接近0或1）可能变得非常不可能，对吗？但是，在我的情况下，边上的值可能同样可能。@Tim不，边值不太可能