【发布时间】：2017-01-04 04:20:49
【问题描述】：
在回归问题中，通常没有理由在执行优化之前对标签（目标）进行归一化/重新缩放。
在深度回归网络中，原则上不需要重新缩放，因为最后一个激活函数是线性的，而成本函数是目标预测的均方差。
另一方面，为了训练过程的数值稳定性和性能，输入和隐藏单元的值通过特征归一化保持在 [-1,1] 范围内。这不是意味着标签也应该重新调整到范围 [-1,1] 吗？
【问题讨论】：
标签： neural-network regression deep-learning