神经网络中预测数据的非规范化

Posted 2023-03-12

【中文标题】神经网络中预测数据的非规范化

【英文标题】：Denormalization of predicted data in neural networks

【发布时间】：2015-12-29 12:55:59

【问题描述】：

在神经网络中，用于训练数据的样本数量为 5000，在给定数据用于训练之前，使用公式对其进行归一化

     y - mean(y)
y' = -----------
      stdev(y)

现在我想在获得预测输出后对数据进行反规范化。通常用于预测的测试数据数据是 2000 个样本。为了去规范化，使用以下公式

y = y' * stdev(y) + mean(y)

此方法取自以下线程 [How to denormalise (de-standardise) neural net predictions after normalising input data

谁能解释我如何使用相同的均值和标准差来规范化训练数据 (5000*2100) 可以用于对预测数据进行反规范化，正如您所知道的预测测试数据 (2000*2100) 所使用的那样，两个计数都不同。

【问题讨论】：

态度不好——但我确实忽略了对您的问题进行投票。对不起，疏忽。另外，我刚刚发现了我的提醒的样子：我是这个问题的唯一答案。 [脸红]

【参考方案1】：

反规范化方程是简单的代数：它与归一化方程相同，但求解的是 y 而不是 y'。作用是反转归一化过程，恢复原始数据的“形状”；这就是为什么你必须使用原始的 stdev 和 mean。

归一化是将数据转移到以 0 为中心（使用均值），然后将分布压缩到标准正态曲线（对于 1.0 的新标准差）的过程。要恢复到原始形状，您必须取消移动和取消压缩与原始分布相同的 数量。

请注意，我们预计预测数据的平均值为 0，stdev 约为 1.0（由于集中趋势定理，变化会有一些变化）。你的担心并不傻：我们确实有不同的标准开发人口数。