输入标准化和标准化

时间:2020-05-14 16:31:45

标签: input neural-network normalization recurrent-neural-network

我正在训练门控循环网进行股价预测。在测试不同的输入类型时,我误将规范化并获得了更好的结果。我使用数据归一化在3分钟的时间范围内进行价格变化,而不是5分钟(经过训练)。因此数据缩放超出范围<0; 1>, 并且比正确归一化的效果更好。

  1. 我可以从中得出什么?

我的输入是在〜<-3; 3>范围内的每毫值,但大多数输入非常小,在〜<-0.02; 0.02>范围内

  1. 对于这种类型的数据,标准化优于标准化吗?
  2. 什么是标准值范围?是否还需要归一化以获得范围<0; 1>? 我的输入层是具有tanh激活功能的GRU,所以如果我理解正确,输入范围可以在<-1; 1>范围内?例如,对于激活范围为<0:1>的Sigmoid之类的输入层,是否需要进行规范化?

0 个答案:

没有答案
相关问题