我一直在研究试图预测股价的reasearch论文。我在这些论文中注意到，使用以下类型的激活函数之一将激活函数应用于输出。单极乙状结肠，双极乙状结肠，Tan双曲线，径向基函数。
我的问题如果将上述激活函数中的一种应用于输出，那么如何将其用于预测股票价格，即$ 103.56这样的值？因为大多数这些函数的最小值或最大值在（0,1）或（-1,1）之间。
回复bakkal在将输入作为ANN输入之前，根据MATLAB中定义的“ zscore”函数对输入进行了归一化，其中减去了均值，然后将值除以数据的方差。还根据目标函数对目标输出进行归一化，除以它们的最大值，同时牢记各个激活函数的上限和下限（对于单极乙状结肠为（0,1），对于双极乙状结肠为（-1，1））乙状结肠和棕褐色双曲线函数）。
嗨，如下所述，如果激活功能未应用于输出，那么有人可以用粗体解释该段落，谢谢。
我们使用归一化将目标值映射到范围（0，1）或（-1，1）或根据激活函数所需的任何值。通常，我们还将输入值映射到接近（-1，1）的范围内。用于缩放输入值的最常用归一化方法是高斯归一化方法。如果输入向量是x，并且您正在使用numpy数组，则以下是x的高斯归一化：
xScaled = (x-x.mean())/(x.std())
其中mean（）给出平均值，std（）给出标准偏差。
另一个规范化是：
xScaled = (x-x.min())/(x.max()-x.min())
它将输入矢量值缩放到范围（0,1）。
因此，您可以使用标准化的输入和输出值来加快学习过程。您也可以参考吴德华课程，以了解发生这种情况的原因。当您想将归一化的值缩放回其实际值时，可以使用反向归一化。例如，对于上述（0,1）归一化，反向归一化为：
x = x.min() + (x.max()-x.min())*xScaled
您可以类似地获得高斯情况的逆归一化。
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句