Question

我正在使用TensorFlow / Keras训练CNN。我已经使用0和1之间的MinMaxScaler对我的输入（X）和输出（Y）数据进行了归一化（我的问题中有2个输入和3个输出），例如：

+ " "

问题是，在训练期间，在每个时期，我都会得到标准化的损失值。无论如何，我可以得到原始的损失值吗？

我知道有以下逆变换：

from sklearn.preprocessing import MinMaxScaler # For normalizing data
scaler = MinMaxScaler() # Define limits for normalize data
X = scaler.fit_transform(X) # Normalize input data
Y = scaler.fit_transform(Y) # Normalize output data

但是我不确定如何在模型中执行这种非规范化。

Answer 1

作为一般经验法则，您不应尝试更改损失函数以使其更具可解释性。对于您的情况，我建议您制作一个custom metric。在您创建的自定义指标函数中，您可以对y_true和y_pred进行逆变换，然后计算想要对它们进行的任何运算（例如MAE）。

如果您想做一些不仅仅可以作为度量标准处理的事情，则可以始终创建一个on_epoch_end运行的custom lambda callback（或者您希望在其他任何时候）。

在训练期间恢复非规范化数据

1 个答案: