Networking 将最小-最大规格化恢复为原始值

Networking 将最小-最大规格化恢复为原始值,networking,normalize,Networking,Normalize,我在训练神经网络。输入和输出(训练数据)的标准化使用min Max(最小-最大)进行,标度为[0-1] 我正在应用反向传播学习算法。首先,我需要得到误差偏移量。i、 e.错误=实际输出-输出 如何将输出[0-1]缩放回实际值,如在0到数千范围内?对于实际输出为0到1000之间的实际值的问题,您需要做的第一件事是选择正确的误差度量。 例如,均方误差是一种常见的选择 然后您需要知道NN通常用作分类器,这意味着它会告诉您预测是真是假。您的问题似乎是回归问题,而不是分类问题 如果你想用NN,它实际上可以

我在训练神经网络。输入和输出(训练数据)的标准化使用min Max(最小-最大)进行,标度为[0-1]

我正在应用反向传播学习算法。首先,我需要得到误差偏移量。i、 e.错误=实际输出-输出


如何将输出[0-1]缩放回实际值,如在0到数千范围内?

对于实际输出为0到1000之间的实际值的问题,您需要做的第一件事是选择正确的误差度量。 例如,均方误差是一种常见的选择

然后您需要知道NN通常用作分类器,这意味着它会告诉您预测是真是假。您的问题似乎是回归问题,而不是分类问题

如果你想用NN,它实际上可以用来做回归,我会的

  • 首先通过除以1000将输出(0-1000)映射到(0-1)
  • 选择均方作为成本函数
  • 训练你学习重量
  • 将NN应用于测试集并计算均方