神经网络对输出数据进行归一化

Question

我有关于NN的训练数据以及预期的输出。每个输入都是10维向量，并具有1个预期输出。我已经使用高斯对训练数据进行了归一化，但是由于它只有一维，所以我不知道如何对输出进行归一化。有任何想法吗？

例：

原始输入向量： -128.91，71.076，-100.75,4.2475，-98.811，77.219，4.4096，-15.382，-6.1477，-361.18

归一化输入向量： -0.6049、1.0412，-0.3731、0.4912，-0.3571、1.0918、0.4925、0.3296、0.4056，-2.5168

上述输入的原始预期输出为1183.6，但我不知道如何将其标准化。我是否应该将预期输出标准化为输入向量的一部分？

Answer 1

从问题的外观来看，您正在尝试实现某种回归算法。对于回归问题，通常不对输出进行标准化。对于您为回归系统提供的训练数据，预期输出应在预期范围内，或者仅是预期输出具有的任何数据。

因此，您可以标准化训练输入以使训练更快，但是通常不会标准化目标输出。在测试时间或提供新输入时，请确保以与培训期间相同的方式对数据进行标准化。具体来说，在训练过程中使用完全相同的参数进行归一化，以训练对网络的任何测试输入。