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 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

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

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的还是负的。只要您一致地规范化每个输入，就不会有问题

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]
```

如果没有：

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