Networking 将最小-最大规格化恢复为原始值
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
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