目前，我正在使用Backpropagation进行ANN的分类任务。但是我对标准化我正在使用的数据集有些困惑（我没有很强的统计/概率背景）。
数据示例如下所示：
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
每个类的最后一个标记是类。
现在，由于我正在使用Sigmoid传递函数，因此我的网络显然无法输出大于1的值，因此需要对数据进行归一化/缩放。
我的第一个问题；我需要同时缩放功能和类，还是仅缩放类？
我的第二个问题是，有没有“事实上的”或常用的方法来进行这种缩放？
问候，
杰克·亨特
最佳答案
通常建议同时缩放功能。缩放应该像scaled_feature =（feature-min（featurearray））/（max（featurearray）-min（featurearray））一样简单。
因此，对于第一个属性列，新数据将是：
（5.1-5.1）/（5.9-5.1）；
（5.2-5.1）/（5.9-5.1）；
（5.9-5.1）/（5.9-5.1）
关于machine-learning - ANN训练集缩放，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/14817696/