【问题标题】：Interpreting Neural Network with scaled input用缩放输入解释神经网络
【发布时间】：2018-12-11 12:05:24
【问题描述】：
我目前正在大学举办关于经济学中神经网络的研讨会。我的目标是根据 15 个输入特征预测一家公司的价值。
我为该任务实现了我的第一个神经网络。
我目前的问题是，在缩放数据后，我不知道如何解释损失函数。
我只是重新调整它吗？
这是我缩放数据的代码部分。之后用于交叉验证。
scaler_X = preprocessing.StandardScaler().fit(X)
scaler_y = preprocessing.StandardScaler().fit(y)
X_scaled = scaler_X.transform(X)
y_scaled = scaler_y.transform(y)
我使用的损失函数是均方误差，产生的误差约为 0.0062。
提前感谢您的帮助，罗宾
【问题讨论】：
标签：
machine-learning
neural-network
scaling
【解决方案1】：
试试这个！
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error
x_scaler = StandardScaler()
X_scaled = x_scaler.fit_transform(X)
y_scaler = StandardScaler()
y_scaled = y_scaler.fit_transform(y)
我假设，您的模型将 y_pred 作为输出。我们必须使用y_scaler 重新调整数据并与真实值进行比较。
y_rescaled = y_scaler.inverse_transform(y_pred)
mean_squared_error(y_true, y_rescaled)