【发布时间】：2017-04-02 15:08:04
【问题描述】：
在我的数据中，我有一列包含负值和正值。这里负值表示缺少多少东西，正值表示意外的额外东西，0 表示中性，它始终是预期值。那么如何使用这列数据作为深度信念网络的输入。我可以输入负数作为深度信念网络的输入吗？
【问题讨论】：
标签： neural-network deep-learning rbm dbn
【发布时间】：2017-04-02 15:08:04
【问题描述】：
我认为你可以考虑两件事。首先，输入负值不应该有潜在的问题——你有什么特别的理由质疑这个吗？
更重要的是，如果您愿意，您可以对数据集进行预处理，或在输入期间进行。您可以使用许多激活函数来生成绝对值，例如像 sigmoid 函数这样简单的函数。激活输入值并没有错，事实上它是推荐的。
【讨论】：
-
我从未见过任何例子或阅读过处理深度信念网络的负输入值的文章。所以我想知道是否必须进行任何预处理，或者是否必须以特殊方式处理负输入。这就是我发布这个问题的原因。
-
嗯，在大多数情况下，无论如何您都应该通过使用激活函数或划分它们（如果它们都属于同一类型）来标准化值。无论哪种方式，负值都不应该有所作为。希望这会有所帮助。