用缩放的输入解释神经网络

Question

我目前正在大学里参加有关经济学中的神经网络的研讨会。我的目标是根据15种输入功能预测公司价值。 我为此任务实现了我的第一个神经网络。 我当前的问题是，缩放数据后，我不知道如何解释损失函数。 我只是重新缩放比例吗？

这是我的代码中缩放数据的部分。之后将其用于交叉验证。

scaler_X = preprocessing.StandardScaler().fit(X)
scaler_y = preprocessing.StandardScaler().fit(y)

X_scaled = scaler_X.transform(X)
y_scaled = scaler_y.transform(y)

我使用的损失函数是均方根误差，结果误差约为0.0062。

Robin谢谢您的帮助

Answer 1

尝试一下！

from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error

x_scaler = StandardScaler()
X_scaled = x_scaler.fit_transform(X)

y_scaler = StandardScaler()
y_scaled = y_scaler.fit_transform(y)

我假设，您的模型给出y_pred作为输出。我们必须使用y_scaler重新缩放数据并与基本真值进行比较。

y_rescaled = y_scaler.inverse_transform(y_pred)
mean_squared_error(y_true, y_rescaled)