現在、分類タスクのためにバックプロパゲーションを使用して ANN に取り組んでいます。ただし、使用しているデータセットの正規化について少し混乱しています（強力な統計/確率の背景がありません）。
データのサンプルを以下に示します。
5.1, 3.5, 1.4, 0.2, 1
5.2, 2.7, 3.9, 1.4, 2
5.9, 3.0, 5.1, 1.8, 3
それぞれの最後のトークンはクラスです。
現在、シグモイド伝達関数を使用しているため、ネットワークは明らかに 1 より大きい値を出力できないため、データを正規化/スケーリングする必要があります。
私の最初の質問; 機能とクラスの両方をスケーリングする必要がありますか、それともクラスのみをスケーリングする必要がありますか?
私の2番目の質問は、そのようなスケーリングを行うための「事実上の」または一般的に使用される方法はありますか?
よろしく、ジャック・ハント
通常、フィーチャのスケーリングも行うことをお勧めします。スケーリングは、scaled_feature = (feature - min(featurearray))/(max(featurearray) - min(featurearray)) のように簡単にする必要があります。
したがって、最初の属性列の場合、新しいデータは次のようになります: (5.1-5.1)/(5.9-5.1); (5.2-5.1)/(5.9-5.1); (5.9-5.1)/(5.9-5.1)
実際、スケーリングのトピックは、機械学習アルゴリズム、特にANNを採用する上で最も重要な側面の1つです。
はい、（feature-min / max --min）アプローチは1つの可能性です。
ただし、他にもさまざまな方法があります。たとえば、zスコア（平均からの標準偏差の観点から）を使用できます。あるいは、z軸正規化と呼ばれる手法もあります。この手法では、正規化されたベクトルに追加のコンポーネントが追加されます。また、スケーリングがまったく必要ない場合もあります。