【发布时间】：2014-10-26 06:23:46
【问题描述】：
我正在训练一个神经网络。使用 min Max 将输入和输出（训练数据）标准化为 [0-1]。
我正在应用反向传播学习算法。首先，我需要得到误差偏移量。即错误=实际输出-输出
如何将我的输出 [0-1] 缩放回实际的实际值，例如从零到数千的范围？
【问题讨论】：
标签： networking normalize
【发布时间】：2014-10-26 06:23:46
【问题描述】：
对于实际输出是介于 0 和 1000 之间的实际值的问题，您需要做的第一件事是选择正确的错误度量。 例如均方误差是一种常见的选择。
然后您需要知道 NN 通常用作分类器，这意味着它会告诉您预测是真还是假。您的问题似乎是回归问题而不是分类问题。
如果你想用NN，其实可以用来做回归的，我会
- 首先通过除以 1000 将输出 (0-1000) 映射到 (0-1)
- 选择均方作为成本函数
- 训练您的神经网络学习权重
- 将 NN 应用于您的测试集并计算均方
【讨论】：