Neural network 在NN属性中使用混合范围正确吗?一些[0,1]和一些[-1,1]
这是我的第一个ANN项目,我试图了解我是否正确处理了数据规范化 我有以下类型的属性 *二进制的 *数字(可以是负数和正数) *数字(只能是正数)Neural network 在NN属性中使用混合范围正确吗?一些[0,1]和一些[-1,1],neural-network,normalization,Neural Network,Normalization,这是我的第一个ANN项目,我试图了解我是否正确处理了数据规范化 我有以下类型的属性 *二进制的 *数字(可以是负数和正数) *数字(只能是正数) 某些属性将分布在[-1,1]范围内,而某些属性将分布在[0,1]范围内,这对吗 有没有办法将正数据转换为[-1,1]范围内的扩散 这有意义吗 这不一定是“坏的”,只要你坚持这样做。但是,您必须查找神经网络采用的值-如果您的网络接受[-1,1]作为输入,则建议使用所有这些范围。是否有理由使用不同的范围 当然有 在标准化之前,神经网络不需要知道一个数字是正
[-1,1]
作为输入,则建议使用所有这些范围。是否有理由使用不同的范围在评论后编辑: 首先,你应该弄清楚你的神经网络库是否接受
[-1,1]
如果有:
- 将距离保持在范围内
[0,1]
- 将正常(负数)保持在范围
[-1,1]
- 将距离和所有其他值保持在范围内
[0,1]
我会这样做的。但是,您可以通过试错来测试自己什么最有效。一些数据(数字、正数和负数)表示位置,因此表示距离的增量可以是正数和负数。有些是编辑字符串之间的距离,所以只能是正值。“使用最小/最大函数是否正确?”@AdiDarachi我现在明白你的意思了。我将编辑我的答案。我使用Tanh作为激活函数,因此网络可以接收[-1,1]范围(使敏感的剂量?)。2.当-1最差,1最好时,最好保持0-1的范围,而不是-1到1?谢谢是高级的