是否可以通过某些层对输入数据进行标准化？
是的，可以通过某些层对输入数据进行标准化。在机器学习和深度学习领域，数据标准化是一种常见的预处理步骤，旨在将输入数据转换为具有相似尺度和分布的标准形式，以提高模型的性能和收敛速度。
数据标准化可以通过以下几种方式实现：
- 均值标准化（Mean normalization）：将数据减去其均值，使数据的均值为0。这可以消除数据的偏差，使得数据分布更接近于标准正态分布。
- 尺度缩放（Scaling）：将数据按比例缩放到特定的范围内，常见的方法有最小-最大缩放和Z-score标准化。
- 最小-最大缩放（Min-Max Scaling）：将数据线性映射到指定的最小值和最大值之间的范围，常见的范围是[0, 1]或[-1, 1]。这种方法保留了数据的原始分布形状和相对关系。
- Z-score标准化：将数据转换为其标准差的倍数，使得数据的均值为0，标准差为1。这种方法可以消除数据的偏差，并使得数据更易于比较和分析。
- 归一化（Normalization）：将数据按照其向量的长度进行缩放，使得数据向量的长度为1。常见的归一化方法有L1范数归一化和L2范数归一化。
- L1范数归一化：将数据向量的每个元素除以其绝对值的和，使得数据向量的L1范数为1。这种方法可以使得数据向量在各个维度上的分布更加均匀。
- L2范数归一化：将数据向量的每个元素除以其平方和的平方根，使得数据向量的L2范数为1。这种方法可以使得数据向量在各个维度上的分布更加均匀，并且保留了数据向量的原始比例关系。
数据标准化的优势包括：
- 提高模型性能：标准化可以使得输入数据的尺度和分布一致，避免不同特征之间的差异对模型的影响，提高模型的性能和稳定性。
- 加速模型收敛：标准化可以使得模型在训练过程中更快地收敛，减少训练时间和资源消耗。
- 提高模型的泛化能力：标准化可以减少数据的噪声和异常值对模型的影响，提高模型的泛化能力和鲁棒性。
数据标准化在各种领域和应用场景中都有广泛的应用，包括但不限于：
- 机器学习和深度学习：在训练神经网络模型之前，通常需要对输入数据进行标准化，以提高模型的性能和收敛速度。
- 数据分析和统计建模：在数据分析和统计建模过程中，数据标准化可以帮助比较不同特征之间的影响，提高模型的解释性和可解释性。
- 图像处理和计算机视觉：在图像处理和计算机视觉任务中，数据标准化可以提高图像的质量和清晰度，减少噪声和失真。
- 自然语言处理：在自然语言处理任务中，数据标准化可以提高文本的可读性和可解释性，减少语义歧义和误解。
腾讯云提供了一系列与数据处理和机器学习相关的产品和服务，包括：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tcml）：提供了丰富的机器学习算法和模型训练工具，支持数据标准化和预处理。
- 腾讯云数据处理服务（https://cloud.tencent.com/product/dps）：提供了数据处理和分析的全套解决方案，包括数据清洗、转换、标准化等功能。
- 腾讯云图像处理服务（https://cloud.tencent.com/product/tiia）：提供了图像处理和计算机视觉相关的功能，包括图像标准化、去噪、增强等。
- 腾讯云自然语言处理服务（https://cloud.tencent.com/product/nlp）：提供了自然语言处理相关的功能，包括文本标准化、分词、词性标注等。
以上是关于数据标准化的完善且全面的答案，希望能对您有所帮助。
相关·内容
2回答
我正在训练全连接神经网络来对MNIST数据集进行分类。输入数据是正方形黑白图像，具有[0, 255]格式的像素值。
我读到要使用sigmoid()激活器，需要将输入规范化为[0, 1] (sigmoid的范围)。
如何对tanh()激活器的输入数据进行规范化？我是否需要将其重新缩放为[-1, 1] (tanh的范围)，或者它仍然可以是[0, 1]。
哪种方法更好?为什么？一般的指导方针是什么？
浏览 10提问于2018-08-02得票数 1
回答已采纳
1回答
我有一个数据集，当加载，归一化，并输入到前馈神经网络时，默认情况下(没有任何训练)会给我超过100%的误差。可能取决于随机权重，从130%到150%。我的印象是错误率最多只能达到100%？我说错了吗？
当我运行迭代时，误差下降到略低于100%。
此外，当训练网络(隐藏层和输出的tanh激活函数)时，我有时会得到超过限制(-1，1)的结果值。例如，理想值是1，结果是5.53042334202304 (虚构的值，但你得到了点)。我很确定这是错的？为什么会发生这种情况？
这种混乱是什么?为什么会发生这种情况？我的数据是不是以某种方式不能正确规范化？我是不是选择了错误的配置？任何建议都是受欢迎的，因为
浏览 2提问于2015-11-17得票数 0
我现在正在建立一个cnn来对灰度图像进行分类。网络确实在测试集上训练到97%的准确率，直到它被卡住。现在我发现，在将数据输入网络之前，我忘记了将数据归零。在思考如何更好地应用它的时候，我想出了不止一个答案，并希望对它们有一些想法。
首先对我的架构做一个小概述:我正在将数据集(训练、验证、测试)完全加载到RAM中。在运行时，我将成批的图像加载到占位符中，然后通过随机操作亮度和对比度来扭曲这些占位符，然后将它们输入网络。
现在，当我想要应用零中心时，我可以取训练数据集的平均值，并从我馈送到网络的每一张图片中减去它，或者我可以使用tensorflow中的tf.image.per_image_stan
浏览 15提问于2017-01-24得票数 1
回答已采纳
3回答
我正在尝试用写一个天气预报的程序。我是这个领域的初学者。我有不同参数的历史数据，如温度、湿度、风速、降雨量等。
我对如何将此数据提供给输入层感到困惑。是否为每个输入节点提供给定日期的全部数据，或者是否需要为每个参数提供不同的网络？我也对输出层感到困惑。
浏览 0提问于2010-02-08得票数 11
给出了训练数据集、训练集(m )和训练集(m，)以及一些神经网络序列模型。
培训数据何时和范围也必须标准化？预测值应该如何去规范化？不同层的激活函数的选择对此有何影响？
，我们是否必须对Xtrain数据进行规范化？，我们规范的范围是否取决于输入层激活函数域？或者所有激活函数都会影响到它，因此应该将其规范化为模型中所有激活函数的公共范围？。
对于用于训练的目标(ytrain)：
denormalized?does，，它必须标准化为输出层的范围，激活函数还是所有层的公共范围？
非常迷茫，所以对我来说任何关于这件事的说明都将是非常感谢的。
浏览 2提问于2020-05-22得票数 0
1回答
标准化与规范化
、、
这些算法和所有机器学习算法都需要在输入模型之前对数据进行标准化/规范化。我们如何确定特定的模型/数据是否需要标准化/标准化。
谢谢。
浏览 0提问于2018-04-16得票数 1
回答已采纳
1回答
众所周知，一个“正常”的神经网络应该使用规范化的输入数据，这样一个变量对神经网络中的权重的影响就不会比其他变量大。
但是，如果您有一个Qnetwork，您的培训数据和测试数据可能会有很大的差异，并且在一个持续的问题中会随着时间的推移而改变。
我的想法是在不对输入数据进行规范化的情况下运行正常运行，然后从运行的输入数据中看到方差和平均值，然后使用方差和平均值来规范我下一次运行的输入数据。但在这种情况下，标准是什么呢？
代我向S ren Koch问好
浏览 0提问于2018-03-12得票数 0
回答已采纳
3回答
实例标准化与批量标准化
、、、、
我理解批量归一化通过将激活转向单位高斯分布来帮助更快的训练，从而解决消失梯度问题。批量规范acts在训练(使用每批的均值/var)和测试时间(使用训练阶段的最终运行均值/var)上的应用是不同的。
另一方面，实例标准化作为本文中提到的对比度标准化。作者提到，输出的风格化图像不应该依赖于输入内容图像的对比度，因此实例标准化会有所帮助。
但是，我们不应该也使用实例归一化来进行图像分类，其中类别标签不应该依赖于输入图像的对比度。我还没有看到任何使用实例标准化代替批次标准化进行分类的论文。这是什么原因呢？此外，批处理和实例规范化可以也应该一起使用。我渴望对何时使用哪种规范化有一个直观的和理论上的理解。
浏览 2提问于2017-08-02得票数 75
许多ML教程正在将输入图像标准化为-1到1的值，然后将它们输入到ML模型中。ML模型最有可能是几个conv2d层，然后是一个完全连接的层。假设激活函数为ReLu。
我的问题是，将图像规范化为-1，1范围对输入负范围内的像素是否不公平，因为通过ReLu，输出将为0。将图像规范化为0，1范围会是一个更好的主意吗？
谢谢。
浏览 0提问于2019-06-22得票数 14
回答已采纳
我使用自动编码器对数据进行预训练，并将输入数据规范化并传递给自动编码器。因此，自动编码器最终将减少功能的数量。
现在，我想使用自动编码器的输出来执行预测任务。为此，我希望将自动编码器的输出传递到一个完整的提要网络中。
我的问题是，在进入完整的馈送网络之前，我是否需要将数据再次规范化？
浏览 0提问于2016-01-08得票数 0
1回答
在哪里实现层规范化？
、、、、
我正试图在我的LSTM模型上实现层规范化，但我不确定我的模型中需要多少层规范，以及将它们准确地放置在哪里 def build_model():
model = Sequential()
layers = [100, 200, 2]
model.add(Bidirectional(LSTM(
layers[0],
input_shape=(timestep, feature),
dropout=0.4,
recurrent_dropout=0.4,
return_sequences=T
浏览 23提问于2019-06-19得票数 0
1回答
如何为无模式数据库开发表单接口？
、、、、
如果您使用的是SQL数据库，那么为CRUD操作开发用户界面是非常简单的。既然定义了模式，那么在表单中需要多少输入就很明显了，等等。
但是，当使用无模式的NoSQL方法进行存储时，既然您不确切知道从存储的数据类型中期望得到什么，那么如何构建接口呢？例如，如果您有一个汽车数据库：
var cars = [
{ model: "BMW", color: "Red", manufactured: 2016 },
{ model: "Mercedes", type: "Coupe", color: "Black", ma
浏览 5提问于2017-03-10得票数 0
2回答
我正在尝试对生物数据进行预处理以训练神经网络，尽管对各种归一化方法进行了广泛的搜索和重复介绍，但我仍然不知道何时应该使用哪种方法。特别是，我有许多输入变量是正向倾斜的，并一直在试图确定是否存在最合适的归一化方法。
我还担心这些输入的性质是否会影响网络的性能，因此我尝试了数据转换(特别是日志转换)。然而，一些输入有许多零，但也可能是小的十进制值，似乎受到log(x + 1) (或1到0.0000001之间的任何数字)的高度影响，结果分布无法接近正态分布(要么保持倾斜，要么变成双峰，在最小值处有一个尖锐的峰值)。
这些都与神经网络有关吗？即。我是应该使用特定的特征转换/归一化方法来解释倾斜的数据，
浏览 6提问于2012-11-08得票数 5
回答已采纳
4回答
当使用UTF8字符集在mysql中存储数据时，在输入数据时对实体字符进行转义是否有意义，或者更好的做法是以原始形式存储数据并在提取时进行转换？
例如，假设有人在文本框中输入了一个项目符号(·)字符。在保存该数据时，是否应该在输入之前将其转换为•？或者以项目符号的形式输入，然后在退出时进行转换，这是否有意义？
我想我只是不确定存储非ascii数据的最佳实践。任何想法都将不胜感激。
浏览 1提问于2009-12-22得票数 1
回答已采纳
如果我有一个接受用户输入的3层web窗体应用程序，我知道我可以使用表示层中的验证控件来验证该输入。我是否也应该在业务层和数据层进行验证，以防止SQL注入和问题？应该在每一层中进行哪些验证？
另一个例子是传递一个ID来返回一条记录。数据层应该确保id有效，还是应该在BLL / UI中实现？
浏览 0提问于2010-03-05得票数 8
回答已采纳
1回答
我可以一起标准化整个数据集吗？
、、、、
我正在尝试训练一个使用LSTMs的RNN网络。
在数据预处理部分，当我对数据集进行规范化(特征缩放)时，我将整个数据库标准化。但是，I对某些输入列在其他中占主导地位有很大的怀疑，它可以影响网络培训部分。为了更好地理解数据集，下面是一个示例：
从上图中可以看出，不同颜色的列比其他颜色的列更大或更低。
所以，我的问题是:我是否可以将整个数据集标准化，还是应该单独对每个列进行规范化？
浏览 1提问于2018-06-05得票数 0
回答已采纳
1回答
回归模型间的选择
、、、
这是我第一次尝试在Keras中使用机器学习。与其他算法相比，我需要使用这种算法的一个缺点。
我需要一个函数，接受一个angle和distance到一个对象，并输出一个new angle和power (例如，想象一下用弓瞄准一个对象，算法告诉我手臂向上的距离和弓的力量)。在这种配置中没有什么可预测的。我将生成一组包含每一种可能情况的4D (input,output)数据。我希望AI“评估”一些输入，并返回相应的输入集的输出，换句话说，是为了记住数据和输出相同的数字。
我需要一个AI来完成这项任务，因为我需要它从未见过的输入值之间的平滑值(有限的插值)。
我使用了两种模型：
model = Seq
浏览 0提问于2020-06-24得票数 3
1回答
在哪里应用批处理标准化
、、、
我有输入数据，并且我正在通过relu隐藏层传递它。我想问我应该在哪里应用批处理标准化？以下是模型架构：
def function(self, data):
hidden_layer = F.relu((self.layer1(data)))
pred = self.pred(hidden_layer)
pred = self.softmax(pred)
return pred
我最好的猜测是它应该像self.batch_norm(hidden_layer)一样放在隐藏层上。输入数据已经使用X = StandardScaler().fit_transform(X)
浏览 1提问于2018-11-30得票数 2
如何在对神经网络的输入数据进行归一化后返回原始数据规模。用标准差方法进行归一化处理。但问题已经讨论过了，它属于为每个神经网络输入返回相同的值。我遵循了建议并对数据进行了标准化。是否有非常明显的方法来获得对非标准化数据的充分(彼此不同)的预测？
但经过标准化后，输入显示出相对可接受的输出结果(预测)。但这似乎导致了过度拟合。那么，如何避免过度拟合呢？
浏览 9提问于2015-09-01得票数 1
2回答
我使用一个简单的Keras模型来进行序列预测。
我在整个系列中将它的输入标准化。
在训练过程中，模型的预测精度似乎是正确的。但是，当我绘制model.predict()函数的输出时，我可以看到输出已经以某种方式被缩放了。它似乎是某种规范化/标准化的缩放类型。
在培训中更改批处理大小会影响结果。我尝试将批处理大小设置为输入集的大小，以便在一个批处理中完成整个系列的培训，从而提高了结果，但仍然是缩放的。
我的假设是，这与每个输入批的规范化或输出规范化有关。我的模型中没有任何BatchNormalization层。
是否有一种方法可以禁用Keras中输入/输出的默认规范化/标准化(这种默认行为是否存
浏览 3提问于2017-05-21得票数 1
回答已采纳
1回答
假设您有(java或*)应用程序的N层MVC架构。您选择MVC是因为它对应用程序代码进行了逻辑的、可管理的分区。假设您对Java有兴趣，因为有很多框架或工具，所以您不希望将一个层(M、V或C)绑定到特定的技术上，并且希望保持以后升级甚至与其他部分集成的自由。
现在，在每个场景中，模型都可能包含原始数据类型(如Int、String..etc)，或者以类的形式包含更高级的数据类型(OO特性的复杂性最大)。你会怎么处理：
尽可能地保留您的模型，并在V或C层实现类型，因为它主要是关于数据输入和验证的。这样，您就不必担心您的模型会在其他地方使用，DAL几乎没有什么变化，但是您必须付出额外的努力将您的模型
浏览 6提问于2010-12-28得票数 0
3回答
我是机器学习的新手，目前正在处理一个包含大量ids列的数据集。
我有大约10个列，ids代表类别，例如: 1248885代表一个地区，4929994代表另一个地区，等等。这些是数字变量，但它只是一个参考……
我的问题是:我应该扩展(标准化)这些it，还是因为它们只是it而没有意义？或者我应该把它们当作分类变量来对待？
我不能删除它们，因为我的数据集几乎只包含ids。
非常感谢。
浏览 1提问于2019-04-04得票数 1
假设我有一个输入特征向量，其中包含10个输入特征，每个特征的大小都在1E-7附近。
当我使用这些输入特性的log运行线性回归时，我得到的R^2值约为0.98。
然而，如果我在运行上面的拟合之前将1E-2添加到我的每个输入特性中，我会得到一个R^2值0.5616。
问题是我不会事先知道添加到我的输入特征的常量是1E-2，所以我不能每次都简单地减去这个量。
有没有一种通用的方法来纠正添加到我的输入特征集中的一个大的，未知的常量？
以下是一个输入文件示例：
下面是对应的输出文件：
以下是一些用于训练的代码：
input_features = read.csv('InputFeatures.c
浏览 0提问于2013-10-31得票数 0
2回答
我目前正在研究一种有监督的机器学习解决方案，将一些数据分为两类。到目前为止，我已经开发了一个keras/tensorflow Python Scipt，它似乎可以很好地管理这一点：
input_dim = len(data.columns) - 1
print(input_dim)
model = Sequential()
model.add(Dense(8, input_dim=input_dim, activation='relu'))
model.add(Dense(10, activation='relu'))
model.add(Dense(10,
浏览 6提问于2020-05-17得票数 0
1回答
我想在Stata中的面板数据随机效果回归模型中获得beta系数。但是后来我注意到在xtreg命令中不允许使用"beta“选项。
这让我思考，在随机效应模型中想要标准化的系数是否可能是错误的？
我的模型看起来像这样-
xtreg y x##z, re
浏览 6提问于2021-04-03得票数 0
1回答
我是新使用NVIDIA数字。我的列车数据集具有如下结构，其格式为.hdf5。
作物数据集{27482，3,128,192}标签数据集{27482，12}平均数据集{3,128,192} pids数据集{27482}
我知道如何用更简单的格式(如.txt或.jpg )来输入模型。我的问题是如何用.hdf5格式以NVIDIA位数提供我的模型
浏览 5提问于2016-11-11得票数 1
回答已采纳
我尝试使用Tensorflow在python中构建一个机器学习模型。问题是训练数据不适合存储在内存中。它们将另存为大型HDF5文件。输入是存储一堆图像的4D数组(每个图像具有10个以上的通道，例如红外通道)。我设法使用这篇文章中的代码读取了数据：Tensorflow-IO Dataset input pipeline with very large HDF5 files import tensorflow_io as tfio
BATCH_SIZE = 256
EPOCHS = 50
# Create an IODataset from a hdf5 file's dataset
浏览 13提问于2020-09-06得票数 0
1.)Batchnorm范数常用于深度卷积神经网络中。但它是否也被用于非CNN。在NN中。在只有完全连接层的网络中？
2.)批次规范是否适用于浅层CNN？
3.)如果我有一个带有输入图像和输入数组IN_array的CNN，那么输出就是上一个完全连接层之后的数组。我称这个数组为FC_array。如果我想把这个FC_array和IN_array连接起来。
CONCAT_array = tf.concat(values=[FC_array, IN_array])
在连接层之后有一个巴氏杆菌有用吗？或者，这个批处理规范应该仅仅是在连接层之前的FC_array之后吗？
关于信息，IN_array是一个t
浏览 1提问于2018-04-25得票数 0
1回答
如果所有的功能都是相同的，我是否必须对我的数据进行规范化？例如，所有列都是特性，每一行/示例是每个特性出现的次数？如果需要标准化，我需要按特征或样本进行规范化吗？
浏览 2提问于2020-12-16得票数 0
回答已采纳
1回答
为图像创建数据库(LMDB/LEVELDB)在caffe中是微不足道的。但是，我们如何创建这样的数据集来检测对象呢？
这个序列是正确的吗？
将所有图像放入文件夹中
对于每个图像，使用相应图像的相同名称创建一个文本文件*
将图像中每个对象的边界框坐标放在单独的行中。
现在如何将这种结构转换为lmdb？
是否应该将所有txt文件转换为字节，并将整个字节流保存为每个图像的一个标签？
caffe是否能够自动从这种转换后的数据库中读取数据，或者我是否应该创建一个特定的层来读取和输入网络所需的信息？
浏览 1提问于2017-03-21得票数 3
回答已采纳
1回答
我正在读一本wcf书，遇到了下面的代码块
<bindings>
<wsHttpBinding>
<binding name="ProductsServiceWSHttpBindingConfig">
<security mode="TransportWithMessageCredential">
<transport clientCredentialType="None" />
<message clientCredentia
浏览 2提问于2011-07-06得票数 1
回答已采纳
我知道在常规神经网络中，人们在激活之前使用批量规范，这将减少对良好权重初始化的依赖。我想知道当我使用它时，它是否会对RNN/lstm RNN做同样的事情。有谁有使用它的经验吗？
浏览 0提问于2017-08-04得票数 23
我有两种角蛋白模型。我将输出层连接成一个输出。然后，我在第二个模型中使用这个输出。然而，我不清楚如何规范我的数据。
在什么时候应该进行正常化？我在第一个模特之前就正常了。我还尝试通过tf.keras.layers.LayerNormalization(axis=0)和tf.keras.layers.BatchNormalization(axis=0)进行规范化。但是，何时应该增加这些呢？
任何指导或资源都是非常感谢的。
def phi(lat_dim, feature_normaliser, activation):
model1 = keras.Sequential()
mo
浏览 4提问于2022-02-23得票数 0
回答已采纳
2回答
我想预测一个特定的乘客是否在泰坦尼克号灾难中幸免于难。我给没有存活的给0分，给幸存的给1分。我使用了python scikit学习库，并实现了以下神经网络进行分类。在预测时，我对所有乘客的预测结果仅为0。有人能帮我解决这个问题吗？
from sklearn.neural_network import MLPClassifier
>>> clf = MLPClassifier(solver='lbgfs', alpha=1e-5,
... hidden_layer_sizes=(5, 2), random_state=1
浏览 26提问于2016-09-17得票数 0
一两个月后，我直接构建了图像分类器，我只是把BatchNormalization层夹在conv2d之间。我想知道它是做什么的，但是我看到我的模型在这些层的存在下学习得更快。
但我担心会不会有什么收获？我在某个地方读到，如果我使用批处理规范化，我不需要退出层！是真的吗？
并告诉我该以何种方式使用这一层。在哪种问题中我应该也不应该使用这个层？
只要写下任何你知道的图层，你认为会帮助我！
浏览 0提问于2019-06-08得票数 0
回答已采纳
2回答
结合CNNs的图像分类
、、、、
我想把CNN的中间层(G层)的输出输入到更宽的CNN (H层)的中间层，以完成推理。
挑战: G，H两层具有不同的尺寸，因此不能直接进行。解决方案:使用第三个CNN (称为r)，它将以G层的输出作为输入，并为H层输出一个有效的输入，然后使用损失函数调整G层和r层的权重：
L(W_G, W_r) = MSE(\text{output of layer H}, \text{output of r})
我的问题是:这种方法会不会只改变G层的权重和r的权重？整个系统是否需要事后细化以更新其他层的权重？
浏览 0提问于2021-07-27得票数 1
回答已采纳
我的目标是使用tf.keras.utils.Sequence从目录中加载变量维度的图像，转换图像，并构建一个生成器来训练完全卷积的。当我创建一个numpy数组来存储图像时，该方法可以工作。
方法1，工作
class Generator(Sequence):
# the rest of Generator
def __getitem__(self, idx):
# create numpy arrays for X and y
X = np.zeros((batch_size, height, width, n_channels))
浏览 2提问于2022-07-25得票数 0
回答已采纳
1回答
我正在做一个类似的项目：
其中，我有一个包含客户详细信息的数据框架(dataset1)，没有一个特殊的唯一ID，然后与数据帧2 (dataset2)匹配，后者具有相同的字段和一个特殊的唯一ID。
示例: Dataset1列包括：
姓，姓，名，中间/其他名字，地址，道布，性别，保健号码
dataset2列包括：
唯一的ID，头衔，姓氏，名字，中间/其他名字，地址，道布，性别，保健号码
我的计划：
我的数据集1是大约500,000行w/ 11列--如果需要，行数可以拆分。数据集2为2,000,000
基于业务的匹配标准，例如。>5列必须匹配，并且可能是一个模糊组件，例如在一个数据集中连字符的
浏览 0提问于2018-03-21得票数 1
考虑一个标准的ASP.NET web应用程序，其中用户在表单上键入一些数字数据。在提交时，一些业务对象被启动以对数值数据进行操作。但是.Net中的服务器端textbox控件返回一个string类型的值。问:页面的代码幕后是否应该负责将字符串解析为数字数据(如果无效则抛出错误)，或者业务对象是否应该接受字符串输入并自己解析它们？
浏览 2提问于2008-10-17得票数 2
回答已采纳
我在时间序列数据上使用了一个分类模型，在将数据分解为训练和测试之前，我对数据进行规范化。现在，我知道训练数据和测试数据应该分开处理，以防止数据泄漏。在这里，规范化步骤的正确顺序是什么？我是否应该分别应用步骤1、2、3来训练和测试使用滑动窗口分割数据后的数据？我在这里使用一个滑动窗口来比较每一个小时(测试)和它之前的24小时数据(火车)。这是我目前在管道中使用的命令。
移动平均(平均数)
每小时重采样一次
标准化
使用滑动窗口(长度为24小时(火车))将数据分割成列车和测试，每1小时(测试)滑动一次)
利用列车数据拟合模型
使用测试数据进行预测
浏览 0提问于2020-07-04得票数 3
回答已采纳
我是一个正在尝试这个神经网络示例的scikit n00b：
from sknn.mlp import Regressor, Layer
nn = Regressor(
layers=[
Layer("Rectifier", units=100),
Layer("Linear")],
learning_rate=0.02,
n_iter=10)
nn.fit(X_train, y_train)
在上找到。
我有我正在使用的适当的(标准化的)数据集(x_train和Y_train)。当我执行nn.fit命令时
浏览 6提问于2016-08-25得票数 0
回答已采纳
2回答
我正在用Java编写一个基本的神经网络，我正在编写激活函数(目前我刚刚编写了sigmoid函数)。我正在尝试使用double(针对BigDecimal)，希望培训实际上将花费合理的时间。但是，我注意到这个函数不适用于更大的输入。目前，我的职能是：
public static double sigmoid(double t){
return (1 / (1 + Math.pow(Math.E, -t)));
}
这个函数返回非常精确的值，一直到t = -100，但是当t >= 37返回1.0。在一个典型的神经网络中，当输入被规范化时，是好的吗？神经元是否会得到超过37的输入？如
浏览 6提问于2016-09-25得票数 2
回答已采纳
2回答
我正在构建和测试一个简单的MLP模型，但我的结果在Keras重现性方面遇到了问题。我正在尝试设置我的神经网络，以便在运行网络时预测输出不会改变。 我已经在线关注了Keras指南以及这篇文章(Reproducible results using Keras with TensorFlow backend)。我在本地机器上使用Tensorflow后端和以下版本运行Keras： tensorflow 2.0.0-alpha0，keras 2.2.4-tf，numpy 1.16.0 import os
os.environ['PYTHONHASHSEED']=str(0)
im
浏览 13提问于2019-06-14得票数 4
1回答
我正在与tensorflow合作，并拥有以下CNN (代码如下)。我的输入层是一张72x72的图像，由于有两个maxpool层，所以它输出一个18x18的矩阵。
现在我的问题是:是否可以为输出矩阵(18x18)中的值定义一个范围？所以这些值只在0,1之间？因为实际上输出矩阵应该代表一个密度图。所以我不需要大于1的值。
我的“地面真实标签”是一个18x18的矩阵，它的值只在0,1之间。因为我的网络还没有经过训练，所以损失非常大，因为输出矩阵中的值非常高。2379922。如果我可以为输出值提供一个范围，那么一开始损失就不会那么高了。
感谢您的帮助:-)
weights = {'W_conv
浏览 2提问于2016-12-01得票数 1
1回答
企业库验证块
、、、、
我刚刚开始使用ms验证块，我认为它非常棒。但是对于层之间的数据验证有几个问题。
目前，我使用存储库模式作为连接数据访问层的桥梁。在我的逻辑层中，我填充业务对象，然后使用验证块进行验证，然后将其传递给存储库层，存储库层再将其传递给数据访问层进行插入。我应该在存储库中再次验证它吗？如果是这样，我是否再次验证使用该块，或者是否有更好的方法在此级别进行验证？
浏览 1提问于2011-02-03得票数 8
回答已采纳
在使用Keras完成模型训练后，我正在尝试使用Keras的model.predict()，以便在新的输入上测试模型。 当我训练模型时，我用Scikit Learn的MinMaxScaler()对我的训练数据进行了标准化。 在使用model.predict()时，我是否也需要对数据进行标准化？如果是这样，我该怎么做呢？
浏览 69提问于2021-06-25得票数 0
回答已采纳
1回答
通常情况下，为了提高学习速度，对神经网络的输入进行预处理，将其缩放到-1到1之间。不过，我想知道，如果输入的图形呈指数衰减，这是否是个好主意。例如，如果输入的整数值为0到100，且大多数输入为0，而较小的值比大值更常见，则99非常罕见。
似乎缩放它们和移动不是理想的，因为现在最常见的值是-1。如何最好地处理这种类型的输入？
浏览 7提问于2015-09-10得票数 0
回答已采纳
2回答
Keras模型的相同输出
、、、、
我有一个Keras模型来预测游戏中的走法。我有一个(160,120 ,1)的输入形状。我有以下模型，输出为9个节点：
from keras.models import Sequential
from keras.layers.core import Dense, Dropout, Activation, Flatten
from keras.layers.convolutional import Conv2D, MaxPooling2D, ZeroPadding2D
from keras.layers.normalization import BatchNormalization
from k
浏览 0提问于2018-10-17得票数 0
我正在编写一些基本的神经网络方法--特别是激活函数--并且触及了我数学知识的极限。我理解各自的范围(-1/1) (0/1)等等，但不同的描述和实现使我感到困惑。
特别是乙状结肠，物流，双极乙状结肠，塔纳等。
乙状结肠是否只是简单地描述函数的形状，而不考虑范围？如果是这样的话，那么tanh是'sigmoid函数‘吗？
我在一篇文章中看到了“双极乙状结肠”与“tanh”的比较，但是我看到了用相同的代码实现的两个函数(在不同的库中)：
(( 2/ (1 + Exp(-2 *n))- 1)它们是完全一样的吗？
同样，我也看到逻辑和乙状结肠激活是用相同的代码实现的：
( 1 / (1+ Exp(
浏览 5提问于2012-08-07得票数 11
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
