神经网络缩放输入和除垢输出

Question

我有缩放NN的输入和除垢输出的方法，我在什么地方找到很久以前的事，但我不知道它们是否有效，即时通讯使用encog库NN：

public static double Scale(double X) 
     { 
      double fieldlow = 0; 
      double fieldhigh = 1; 
      double min = 1; 
      double max = 2; 
      //double max = 10000; 
      double temp = ((X - min)/(max - min)) * (fieldhigh - fieldlow) + fieldlow; 
      return temp; 
     } 
     public static double DeScale(double X) 
     { 
      double fieldlow = 0; 
      double fieldhigh = 1; 
      double min = 1; 
      double max = 2; 
      //double max = 10000; 
      double temp = ((min - max) * X - fieldhigh * min + max * fieldlow)/(fieldlow - fieldhigh); 
      return temp; 
     } 

假设fieldlow和fieldhigh是NN输入和输出的范围（我不确定，但看起来像ActivationTANH的范围为0-1），min应该是数据中的最低值和数据中的最高最高值。我很好奇，如果你得到新的数据值高，然后你设置最大值？你必须重写这些方法并从头开始训练？

如果这是错误的，请指向正确的方向。

Answer 1

如果我没有记错，缩放不仅适用于训练数据特征范围，而且适用于所有可能的数据特征范围。这意味着如果训练集中的特征具有最小值-25和最大-45，但实际上可以从1到1000，比用xMin = 1，xMax = 1000执行缩放所以值不能改变

尝试使用此公式：scaledX =（X-minX）/（maxX - minX），其中minX \ maxX - 每个输入特征的最小值和最大值