Neural network 不同尺度神经网络的尺度输入

我正在研究一个

神经网络

模型，我想知道我应该如何调整我的输入

现在，我只是将所有输入缩放为输入，使用

mean=0

/

std（标准偏差）=1

。但是，我的输入并非都是正常分布的。有些是正态分布，有些是线性分布

我应该如何处理和调整我的输入？是否可以使用

mean=0

和

std=1

缩放某些输入，并线性缩放其他输入

谢谢！

---

Paul

对于神经网络的构建，缩放可以带来的唯一附加值是避免训练错误和更快的收敛。从理论上讲，无论使用何种缩放，您都应该得到相同的结果（或者在您的案例中，对不同的输入神经元使用不同的缩放方法）。只要不改变数据的基本结构，就应该可以了

理想情况下，无论输入的分布如何，都应该使用单一的缩放方法，因为这意味着所有输入都可以相互比较。您也可以选择不同的缩放方法。你的问题没有正确的答案，大多数答案都倾向于使用一些经验信息来选择缩放方法。这取决于你的数据

---

从统计学上讲，您应该首先在不缩放的情况下训练网络来开始模型创建。如果你的网络没有收敛，你可以尝试通过调整迭代次数和初始权重来克服训练问题。如果这不起作用，则继续进行缩放，并最终区分缩放。

缩放对构建神经网络唯一的附加值是避免训练错误和更快收敛。从理论上讲，无论使用何种缩放，您都应该得到相同的结果（或者在您的案例中，对不同的输入神经元使用不同的缩放方法）。只要不改变数据的基本结构，就应该可以了

理想情况下，无论输入的分布如何，都应该使用单一的缩放方法，因为这意味着所有输入都可以相互比较。您也可以选择不同的缩放方法。你的问题没有正确的答案，大多数答案都倾向于使用一些经验信息来选择缩放方法。这取决于你的数据

从统计学上讲，您应该首先在不缩放的情况下训练网络来开始模型创建。如果你的网络没有收敛，你可以尝试通过调整迭代次数和初始权重来克服训练问题。如果这不起作用，那么继续缩放，并最终区分缩放