Neural network 基于神经网络的天气预报
我正试图写一个使用反向传播的天气预报程序。我有不同参数的数据，如温度、湿度、风速、海平面压力等。我为输入层设置了4个参数4个节点温度、湿度、风速、海平面压力 现在我对输出/目标感到困惑。是否需要每月/季节划分？Neural network 基于神经网络的天气预报,neural-network,weather,prediction,backpropagation,Neural Network,Weather,Prediction,Backpropagation,我正试图写一个使用反向传播的天气预报程序。我有不同参数的数据，如温度、湿度、风速、海平面压力等。我为输入层设置了4个参数4个节点温度、湿度、风速、海平面压力 现在我对输出/目标感到困惑。是否需要每月/季节划分？ 我如何规范化-1到1之间的4个不同参数 您可以将其视为一个多类分类问题。假设你想预测天气是否晴朗、多雨、多云、刮风。这些将是您要分类的类 您可以通过以下公式规范化输入特征：x-xbar/mu，其中xbar是特征的平均值，mu是特征的stdev 您可以将其视为一个多类分类问题。假设你想预测
我如何规范化-1到1之间的4个不同参数 您可以将其视为一个多类分类问题。假设你想预测天气是否晴朗、多雨、多云、刮风。这些将是您要分类的类
您可以通过以下公式规范化输入特征：x-xbar/mu，其中xbar是特征的平均值，mu是特征的stdev 您可以将其视为一个多类分类问题。假设你想预测天气是否晴朗、多雨、多云、刮风。这些将是您要分类的类
您可以通过以下公式规范化输入特征：x-xbar/mu，其中xbar是特征的平均值，mu是特征的stdev 这不是通常的做法。当你有物理知识时，为什么要使用神经网络？@duffymo你的标准预测绝对正确。人们可以使用一种笨拙的机器学习方法来证明领域专业知识的重要性。然而，聚合一组预测（一个统计区域）的领域在某种程度上已从基础物理中移除。8年后，该领域现在正在使用NN进行参数化参数校准，并且使用NN完全取代云的参数化，次网格尺度上的对流和辐射传输。这大约是到2020年的当前限额。这不是通常的做法。当你有物理知识时，为什么要使用神经网络？@duffymo你的标准预测绝对正确。人们可以使用一种笨拙的机器学习方法来证明领域专业知识的重要性。然而，聚合一组预测（一个统计区域）的领域在某种程度上已从基础物理中移除。8年后，该领域现在正在使用NN进行参数化参数校准，并且使用NN完全取代云的参数化，次网格尺度上的对流和辐射传输。这大约是到2020年的当前极限。标准偏差通常称为sigma，实际平均值通常写为mu。标准偏差通常称为sigma，实际平均值通常写为mu。