神经网络中预测数据的非规范化

Question

在神经网络中，用于训练数据的样本数量为5000，在为训练提供数据之前，使用公式对其进行标准化

     y - mean(y)
y' = -----------
      stdev(y)

现在我想在获得预测输出后对数据进行去标准化。通常，为了预测，使用2000个样本的测试数据数据。为了去标准化，使用以下公式

y = y' * stdev(y) + mean(y)

此方法取自以下主题 [How to denormalise (de-standardise) neural net predictions after normalising input data

有人可以解释一下，如果使用预测测试数据（2000 * 2100），如何使用标准化训练数据（5000 * 2100）中的相同均值和标准偏差来对预测数据进行去标准化，两个计数都不同。

Answer 1

非规范化方程是简单的代数：它与归一化方程式相同，但是对y而不是y'求解。该功能是反转规范化过程，恢复原始数据的“形状”;这就是为什么你必须使用原始的stdev和意思。

归一化是将数据移动到0（使用均值），然后将分布压缩到标准正态曲线（对于1.0的新stdev）的过程。要返回原始形状，您必须取消移动并取消与原始分布相同的相同金额。

请注意，我们预计预测数据的平均值为0，stdev值约为1.0（由于集中趋势定理，变化会有一些变化）。你的担心并不愚蠢：我们确实为stdev提供了不同的人口数量。