Keras 在CNN的最后一层中使用哪些设置进行回归

我尝试使用CNN进行回归任务

我的特征数据具有形状（6097,30,32,9）：

• 6097项记录
• 30个时间步
• 32个柱状图箱
• 9个频道（图像） 乐队）

目标数据具有形状
（6097,1）

• 6097记录作物产量（浮动）数据

当我创建CNN回归模型的最后一个密集层时，我不确定要使用哪些设置。最后一个卷积层的输出维数为（无，2,2512）。我添加了一个BatchNorm和flatte层（不确定这是否有意义）

正确的装置数量和激活功能是多少？我猜单位为1，激活函数为“无”

凯拉斯：

model.add(Dense(units=1,
                activation=None
                ))

---

这取决于您想要的结果类型，通常使用线性激活函数简单地将值映射回（它不会改变值）。是关于输出层选择的简要说明。是一个关于回归的解释，也简要提到了输出层。 单位数量已经正确

model.add(Dense(units=1,
                activation='linear'
                ))

或者为了同样的结果：

model.add(Dense(1))

---

我将标准化应用于我的目标数据，因此平均值=0，标准值=1。这是一个很好的实践吗？它是否改变了我的激活功能选项？我相信它是否好是有争议的。它限制了您对激活函数的选择，因为这意味着您的目标数据将在0左右正态分布，这意味着它也将具有负值。某些激活功能不能以负值输出，例如ReLu。其他激活函数（如TanH）只能在[-1,1]范围内输出，因此不会返回更大的值。