我应该使用tf.keras.utils.normalize标准化我的目标吗？

Question

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...

Answer 1

神经网络激活通常像它们的输入