正在研究预测分数的机器学习模型回归问题。
通常,当使用缩放器进行归一化时,例如MinMaxScaler,您将获得对缩放器的引用,以便稍后可以将数据取反为其原始值。
[据我所知,当使用tf.keras.utils.normalize时,它是以下数据的L2归一化:
val target
0 1 10
1 2 20
2 3 30
3 4 40
4 5 50
您得到此输出:
val target
0 0.13484 0.13484
1 0.26968 0.26968
2 0.40452 0.40452
3 0.53936 0.53936
4 0.67420 0.67420
所以我看不到回到10,20,30,40,50
的原始系列的可能方法>
Q:
如果我想将预测目标逆回其原始比例,是否应该使用MinMaxScalar分别对分数进行归一化?研究预测分数的机器学习模型回归问题。通常,当使用缩放器进行归一化时,例如MinMaxScaler,您将获得对缩放器的引用,以便稍后使用...
神经网络激活通常像它们的输入