r - R中的非缩放神经网络数字矩阵

Question

我有一个问题，我认为它可能是通用的，但就我而言，它适用于 R 中的神经网络。

郑重声明，我同时使用了 h20 和 neuralnet 包。

由于您可能知道，通常建议缩放神经网络的输入，以使神经网络本身更好地与特定使用的激活函数一起工作。

在 R 中有几种方法可以做到这一点，我确实使用 scale ()/min/max。

假设我有一个 700x10 的矩阵作为输入，因此缩放会产生两个缩放的向量和中心 10。

现在，当我想取消缩放输出时，问题就出现了。公式 sayy vOutput * vScaled(全向量)+ vCenter(全向量)。

问题:我是否应该使用所有矢量(缩放和居中)来进行缩放？或者有一个我找不到的更复杂的公式或边界？

Answer 1

#sample data
df <- data.frame(col1 = c(1:5), col2 = c(11:15), target=c(1,0,0,0,1))

#normalize sample data using scale() - except the 'target' column
df_scaled <- scale(df[,-ncol(df)])
df_scaled

#revert back to original data from scaled version
df_original <- as.data.frame(t(apply(df_scaled, 1, 
                                     function(x) (x * attr(df_scaled, 'scaled:scale') + attr(df_scaled, 'scaled:center')))))
df_original