神经网络中的预测极限或区间

Question

我在TensorFlow/python中有一个简单的图形神经网络，用于回归

我的数据集y值作为浮点数始终在[0,1]的间隔内

但是很多预测都小于0或大于1。这个问题大大降低了性能

我有没有办法在tf中设置一个限制（或间隔）来限制算法预测超出范围的内容

我在考虑在训练中施加一些惩罚

注意：我认为这与正则化不同，因为我没有过度拟合的问题

注意：我有一个相当小的数据集，大约有400个数据点

Answer 1

我不确定你的神经网络的结构。但是，sigmoid激活函数应将输出值限制在[0,1]之间

您可以在此处找到更多信息-https://www.tensorflow.org/api_docs/python/tf/keras/activations/sigmoid