machine-learning - ANN 训练集缩放

Question

我目前正在使用反向传播来开发 ANN，用于分类任务。然而，我对标准化我正在使用的数据集有点困惑(我没有很强的统计/概率背景)。

数据示例如下所示:

5.1, 3.5, 1.4, 0.2, 1
5.2, 2.7, 3.9, 1.4, 2
5.9, 3.0, 5.1, 1.8, 3

其中每个的最后一个标记是类。

现在，由于我使用的是 Sigmoid 传递函数，我的网络显然无法输出大于 1 的值，因此需要对数据进行归一化/缩放。

我的第一个问题；我需要同时缩放功能和类，还是只缩放类？

我的第二个问题，是否有任何“事实上的”或常用的方法来进行这种缩放？

问候， jack ·亨特

Answer 1

通常建议也缩放功能。缩放应该像scaled_feature = (feature - min(featurearray))/(max(featurearray) - min(featurearray))一样简单。

因此，对于第一个属性列，新数据将是:(5.1-5.1)/(5.9-5.1)；(5.2-5.1)/(5.9-5.1)；(5.9-5.1)/(5.9-5.1)