BP神经网络，未归一化处理的输出，预测值不用反归一吧？

输入：定性（0或1），等级（1.2.3），共10个自变量。
输出：是与否（0或1），1个输出
拟用matlab建立BP神经网络进行预测
现采用自己编程的方式将输入中的等级资料归一到【0,1】，输出已经是[0.1]，所以未对输出进行归一，用归一的输入和未归一的输出建立神经网络预测模拟。
请问：在整个过程中，输出至始至终均未归一处理，那么我的预测输出是不就不用进行反归一了呢？（因为预测效果太好了，所以跟大家交流下）。
谢谢~~~~~~~~~~~

举报该问题

推荐答案 2012-09-04

不用反归一的~一般要是输出在【0,1】内就不用归一，当热也就不用反归一了，神经网络里的归一是为了适应它的内部函数，如果数据本来就是【0,1】内的，它的内部函数就是可以正常使用的，所以不用归一化处理，自然不用在预测后进行反归一。

温馨提示：答案为网友推荐，仅供参考

当前网址：http://22.wendadaohang.com/zd/IX6ISTffC.html

其他回答

第1个回答 2012-08-23

输出没有归一，就不用反归一。

第2个回答 2012-08-26

你这是分类问题，分为两类0和1 当然不需要归一

相似回答

关于BP神经网络的数据归一化的问题答：如果输出的数据较小的时候应该不用归一化，我做过一些这方面的，输出数据都比较小，没有归一化过。但是如果输入数据归一化而输出数据要远远大于输入数据时，权值的调整范围可能也要足够大才能达到预期误差效果，所以在输出过大的情况下可能需要归一化，具体情况可以自己编一个小程序试下，看看效果。

神经网络预测值为何全相同答：最大的可能性是没有归一化。具体原因见下：下面这个是经典的Sigmoid函数的曲线图：如果不进行归一化，则过大的输入x将会导致Sigmoid函数进入平坦区，全部趋近于1，即最后隐层的输出全部趋同。输出层是个purelin，线性组合后的输出层输出当然也全是几乎相同的了。使用matlab进行归一化通常使用mapminmax函数，...