我很好奇神经网络（或特别是neurolab）是否需要目标/输入数据为[-1：1]？
考虑到这些意见，我正在努力训练一个网络来预测我厨房花园的水分蒸发：
其中每行数据代表1小时。
训练数据只是在一小时结束时测量的三角洲土壤湿度（％）。 我收集了大约1020个数据样本 - 也许这还不够？
所有这些值都在-1：1的范围之外（温度变为-5，气压计变为1040）。 我在神经网络上完全是空白的，只读了一下并且只进行了自学，但我原本预计使用更大的数字应该没问题呢？
代码：
in_min_max = [
[0, 100], # initial soil humidity
[950, 1050], # hpa
[0, 40], # precip_mm
[0, 100], # wind_mps,
[-5, 40] # temp
]
# Create net with 5 inputs and 3 hidden, 1 output neuron
net = nl.net.newff(in_min_max, [5, 1])
net.trainf = nl.train.train_gd
error = net.train(i_data, t_data, epochs=500, show=100, goal=0.01)
print error
输出：
Epoch: 100; Error: 27215.4999985;
Epoch: 200; Error: 27215.4999985;
Epoch: 300; Error: 27215.4999985;
Epoch: 400; Error: 27215.4999985;
Epoch: 500; Error: 27215.4999985;
The maximum number of train epochs is reached
[26831.39953304854, 27190.818210734968, 26736.57181692442, 27215.499998465435, 27215.499998465435, 27215.499998465435, 27215.499998465435, 27215.499998465435, 27215.499998465435, 27215.499998465435, 27215.499998465435, 27215.499998465435, 27215.499998465435, 27215.49999846543, 27215.49999846543, 27215.499998465435, 27215.499998465428, 27215.499998465428, 27215.499998465428, 27215.499998465428, 27215.499998465428, 27215.499998465428, 27215.499998465428, 27215.499998465428, 27215.499998465428, 27215.499998465428, 27215.499998465424, 27215.499998465428, 27215.499998465424, 27215.49999846542, 27215.49999846542, 27215.499998465424, 27215.499998465424, 27215.499998465424, 27215.499998465424, 27215.49999846542, 27215.499998465424, 27215.49999846542, 27215.49999846542, 27215.49999846542, 27215.49999846542, 27215.49999846542, 27215.49999846542, 27215.49999846542, 27215.49999846542, 27215.49999846542, 27215.49999846542, 27215.499998465413, 27215.499998465413, 27215.499998465413, 27215.499998465413, 27215.499998465413, 27215.499998465413, 27215.499998465413, 27215.499998465413, 27215.499998465413, 27215.499998465413, 27215.499998465413, 27215.499998465413, 27215.49999846541, 27215.49999846541, 27215.499998465406, 27215.499998465406, 27215.499998465406, 27215.499998465406, 27215.499998465406, 27215.499998465406, 27215.499998465406, 27215.499998465406, 27215.499998465406, 27215.499998465406, 27215.499998465406, 27215.499998465406, 27215.499998465406, 27215.499998465402, 27215.499998465402, 27215.499998465402, 27215.4999984654, 27215.4999984654, 27215.4999984654, 27215.4999984654, 27215.4999984654, 27215.4999984654, 27215.4999984654, 27215.4999984654, 27215.4999984654, 27215.499998465395, 27215.499998465395, 27215.499998465395, 27215.499998465395, 27215.499998465395, 27215.499998465395, 27215.499998465395, 27215.49999846539, 27215.49999846539, 27215.49999846539, 27215.49999846539, 27215.49999846539, 27215.49999846539, 27215.49999846539, 27215.49999846539, 27215.49999846539, 27215.49999846539, 27215.49999846539, 27215.49999846539, 27215.49999846539, 27215.49999846539, 27215.49999846539, 27215.499998465388, 27215.499998465384, 27215.499998465384, 27215.499998465384, 27215.499998465384, 27215.499998465384, 27215.499998465384, 27215.499998465384, 27215.499998465384, 27215.499998465384, 27215.499998465384, 27215.499998465384, 27215.49999846538, 27215.49999846538, 27215.49999846538, 27215.49999846538, 27215.499998465377, 27215.499998465377, 27215.499998465377, 27215.499998465377, 27215.499998465377, 27215.499998465377, 27215.499998465377, 27215.499998465377, 27215.499998465377, 27215.499998465377, 27215.499998465377, 27215.499998465377, 27215.499998465373, 27215.499998465373, 27215.499998465373, 27215.49999846537, 27215.49999846537, 27215.49999846537, 27215.49999846537, 27215.49999846537, 27215.49999846537, 27215.49999846537, 27215.49999846537, 27215.49999846537, 27215.49999846537, 27215.49999846537, 27215.49999846537, 27215.499998465366, 27215.499998465366, 27215.499998465366, 27215.499998465366, 27215.499998465362, 27215.499998465362, 27215.499998465362, 27215.499998465362, 27215.499998465362, 27215.499998465362, 27215.499998465362, 27215.499998465362, 27215.499998465362, 27215.499998465362, 27215.499998465362, 27215.49999846536, 27215.499998465355, 27215.499998465355, 27215.499998465355, 27215.499998465355, 27215.499998465355, 27215.499998465355, 27215.499998465355, 27215.499998465355, 27215.499998465355, 27215.499998465355, 27215.499998465355, 27215.499998465355, 27215.499998465355, 27215.499998465355, 27215.499998465355, 27215.499998465355, 27215.499998465355, 27215.499998465355, 27215.499998465348, 27215.499998465348, 27215.499998465348, 27215.499998465348, 27215.499998465348, 27215.499998465348, 27215.499998465348, 27215.499998465348, 27215.499998465348, 27215.499998465348, 27215.499998465348, 27215.499998465348, 27215.499998465348, 27215.499998465348, 27215.499998465344, 27215.49999846534, 27215.49999846534, 27215.49999846534, 27215.49999846534, 27215.49999846534, 27215.49999846534, 27215.49999846534, 27215.49999846534, 27215.49999846534, 27215.49999846534, 27215.49999846534, 27215.49999846534, 27215.49999846534, 27215.49999846534, 27215.49999846534, 27215.499998465337, 27215.499998465333, 27215.499998465333, 27215.499998465333, 27215.499998465333, 27215.499998465333, 27215.499998465333, 27215.499998465333, 27215.499998465333, 27215.499998465333, 27215.499998465333, 27215.499998465333, 27215.499998465333, 27215.499998465333, 27215.499998465333, 27215.49999846533, 27215.499998465326, 27215.499998465326, 27215.499998465326, 27215.499998465326, 27215.499998465326, 27215.499998465326, 27215.499998465326, 27215.499998465326, 27215.499998465326, 27215.499998465326, 27215.499998465326, 27215.499998465326, 27215.499998465326, 27215.499998465326, 27215.499998465326, 27215.49999846532, 27215.49999846532, 27215.49999846532, 27215.49999846532, 27215.49999846532, 27215.49999846532, 27215.49999846532, 27215.49999846532, 27215.49999846532, 27215.49999846532, 27215.49999846532, 27215.49999846532, 27215.49999846532, 27215.49999846532, 27215.49999846532, 27215.49999846531, 27215.49999846531, 27215.49999846531, 27215.49999846531, 27215.49999846531, 27215.49999846531, 27215.49999846531, 27215.49999846531, 27215.49999846531, 27215.49999846531, 27215.499998465308, 27215.49999846531, 27215.49999846531, 27215.499998465308, 27215.499998465308, 27215.499998465308, 27215.499998465308, 27215.499998465304, 27215.499998465308, 27215.499998465304, 27215.499998465304, 27215.499998465304, 27215.499998465304, 27215.499998465304, 27215.499998465304, 27215.499998465304, 27215.499998465304, 27215.499998465304, 27215.4999984653, 27215.499998465297, 27215.499998465297, 27215.499998465297, 27215.499998465297, 27215.499998465297, 27215.499998465297, 27215.499998465297, 27215.499998465297, 27215.499998465297, 27215.499998465297, 27215.499998465297, 27215.499998465297, 27215.499998465297, 27215.499998465297, 27215.499998465293, 27215.499998465293, 27215.499998465293, 27215.499998465293, 27215.499998465293, 27215.499998465293, 27215.49999846529, 27215.49999846529, 27215.49999846529, 27215.49999846529, 27215.49999846529, 27215.49999846529, 27215.49999846529, 27215.499998465286, 27215.49999846529, 27215.499998465286, 27215.499998465286, 27215.499998465286, 27215.499998465286, 27215.499998465286, 27215.499998465286, 27215.499998465286, 27215.499998465286, 27215.499998465286, 27215.499998465286, 27215.499998465286, 27215.499998465282, 27215.499998465282, 27215.499998465282, 27215.499998465282, 27215.49999846528, 27215.49999846528, 27215.49999846528, 27215.49999846528, 27215.49999846528, 27215.49999846528, 27215.49999846528, 27215.49999846528, 27215.49999846528, 27215.499998465275, 27215.499998465275, 27215.499998465275, 27215.49999846527, 27215.49999846527, 27215.49999846527, 27215.49999846527, 27215.49999846527, 27215.49999846527, 27215.49999846527, 27215.49999846527, 27215.49999846527, 27215.499998465268, 27215.49999846527, 27215.49999846527, 27215.499998465268, 27215.49999846527, 27215.49999846527, 27215.499998465268, 27215.499998465264, 27215.499998465268, 27215.499998465268, 27215.499998465264, 27215.499998465264, 27215.499998465264, 27215.499998465264, 27215.499998465264, 27215.499998465264, 27215.499998465264, 27215.499998465264, 27215.499998465264, 27215.499998465257, 27215.49999846526, 27215.49999846526, 27215.49999846526, 27215.49999846526, 27215.499998465257, 27215.499998465257, 27215.499998465257, 27215.499998465257, 27215.499998465257, 27215.499998465257, 27215.499998465257, 27215.499998465257, 27215.499998465257, 27215.499998465253, 27215.499998465253, 27215.499998465253, 27215.49999846525, 27215.499998465253, 27215.499998465253, 27215.49999846525, 27215.49999846525, 27215.49999846525, 27215.49999846525, 27215.49999846525, 27215.49999846525, 27215.49999846525, 27215.49999846525, 27215.49999846525, 27215.499998465246, 27215.49999846525, 27215.499998465246, 27215.49999846525, 27215.499998465242, 27215.499998465242, 27215.499998465242, 27215.499998465242, 27215.499998465242, 27215.499998465242, 27215.499998465242, 27215.49999846524, 27215.499998465242, 27215.499998465242, 27215.499998465242, 27215.49999846524, 27215.49999846524, 27215.49999846524, 27215.49999846524, 27215.49999846524, 27215.49999846524, 27215.49999846524, 27215.49999846524, 27215.49999846524, 27215.499998465235, 27215.499998465235, 27215.499998465235, 27215.499998465235, 27215.499998465235, 27215.499998465235, 27215.499998465235, 27215.49999846523, 27215.49999846523, 27215.49999846523, 27215.49999846523, 27215.499998465228, 27215.49999846523, 27215.49999846523, 27215.499998465228, 27215.499998465228, 27215.499998465228, 27215.499998465228, 27215.499998465228, 27215.499998465228, 27215.499998465228, 27215.499998465228, 27215.499998465228, 27215.499998465228, 27215.499998465224, 27215.499998465224, 27215.499998465224, 27215.499998465224, 27215.499998465224, 27215.499998465224, 27215.499998465224, 27215.499998465224, 27215.499998465224, 27215.499998465224, 27215.499998465224, 27215.49999846522, 27215.49999846522, 27215.49999846522, 27215.49999846522, 27215.499998465217, 27215.499998465217, 27215.499998465217, 27215.499998465217, 27215.499998465217, 27215.499998465213, 27215.499998465217, 27215.499998465217, 27215.499998465217, 27215.499998465213, 27215.499998465213, 27215.499998465213, 27215.499998465213, 27215.499998465213, 27215.499998465213, 27215.499998465213, 27215.499998465213, 27215.49999846521, 27215.49999846521, 27215.49999846521, 27215.49999846521, 27215.499998465206, 27215.499998465206, 27215.499998465206, 27215.499998465206, 27215.499998465206, 27215.499998465206, 27215.499998465206, 27215.499998465206, 27215.499998465202, 27215.499998465202, 27215.499998465202, 27215.499998465202, 27215.499998465202]
我也可以发布输入/目标数据，如果这会有所帮助，但我认为我需要首先了解基础 - 我可能会使用完全错误的网络来完成这类任务..任何帮助/指针都很受欢迎。
我不需要超精确的预测网络，因为这只会用来灌溉我的厨房花园，但我认为错误27215会让我陷入困境..