1

我想从 CSV 文件创建一个训练集，并将其标准化为 [0, 1] 或 [-1, 1] 范围（根据用户选择的激活函数）。我怎样才能做到这一点？在阅读 Encog 教程和指南后，我有这样的事情：

var source = new CSVDataSource(openFileDialog.FileName, true, CSVFormat.DecimalPoint);
data = new VersatileMLDataSet(source);
data.DefineSourceColumn("x", 0, ColumnType.Continuous);
var outputColumnDefinition = data.DefineSourceColumn("y", 1, ColumnType.Continuous);
data.Analyze();
data.DefineSingleOutputOthersInput(outputColumnDefinition);
data.Normalize();

根据API 文档，该Normalize()方法不带参数，并且

规范化数据集，并分配内存来保存它。

它归一化到什么范围？我可以强制它使用不同的吗？也许这不是从 CSV 加载训练数据并将其规范化到内存中的正确方法？

我想使用一个使用反向传播的简单前馈网络来解决回归问题。

4

1 回答 1

1

可能最简单的方法就是为您想要的范围分配规范化策略。这将输入范围指定为 -1,1，将输出范围指定为相同。

data.NormHelper.NormStrategy = new BasicNormalizationStrategy(-1,1,-1,1);

选择模型时，使用：

model.SelectMethod(data, MLMethodFactory.TypeFeedforward);

Encog 将根据您的激活函数自动创建标准化策略。因此，如果您要覆盖该策略，请确保在设置模型后执行此操作（如果您使用与上面类似的代码）这里有一个示例：

https://github.com/encog/encog-dotnet-core/blob/master/ConsoleExamples/Examples/Guide/Classification/IrisClassification.cs

于 2014-10-22T22:15:09.933 回答