python - 神经网络中预测数据的反规范化

Question

在神经网络中，用于训练数据的样本数量为 5000，在提供数据进行训练之前，使用以下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，使用 2000 个样本的测试数据进行预测。为了反规范化，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

谁能解释一下如何使用用于标准化训练数据(5000*2100)的相同均值和标准差来对预测数据进行反标准化，正如您所知道的预测测试数据(2000*2100)一样，两个计数不同。

Answer 1

非标准化方程是简单的代数:它与标准化方程相同，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标准差和平均值。

归一化是将数据移动到 0 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。要返回到原始形状，您必须取消移动和取消挤压与原始分布相同的量。

请注意，我们预计预测数据的平均值为 0，标准差约为 1.0(由于集中趋势定理，变化会有所变化)。您的担心并不愚蠢:我们的标准开发人员数量确实不同。