我对神经网络中预测变量的缩放有一般性的疑问。我在R / Caret中使用avNNet算法进行回归;我有分类和数字预测器。
据我所知，预测变量必须在建模步骤之前进行缩放：
由于缺乏更好的先验信息，通常将每个信息标准化 输入相同的范围或相同的标准偏差。 [...]在... 特别是，将输入缩放到[-1,1]将比[0,1]更好地工作 （http://www.faqs.org/faqs/ai-faq/neural-nets/part2/section-16.html）
如果我将连续预测变量扩展到范围[-1,1]，我的分类预测变量如何编码为[0 | 1]？我应该用-1替换零吗？
亲切的问候，
Requin
答案 0 :(得分：0)
没有。类别与输入或权重具有不同的概念类型（和数据类型）。类别是枚举（0,1,2，...），并且通常彼此不同，即类别0与类别1不再类似于类别150.
权重是连续的浮点值;当这些值在每个维度（输入要素）的相同范围内并均匀分布在0左右时，此算法效果最佳。
如上所述缩放输入;像0 | 1一样保留类别。