如何用批处理规范化方法规范化Keras中的LSTM输入数据

Question

我的神经网络构造如下：

tempIn = Input(shape = (None, 4))
tempModel = LSTM(data.xRnnLosFeatures)(tempIn)
tempModel = BatchNormalization()(tempModel)
tempModel = Activation('tanh')(tempModel)
tempModel = Dropout(0.5)(tempModel)
tempModel = Dense(1)(tempModel)
model = Model(inputs=tempIn, outputs=tempModel)

但是，如果我不在给这个网络输入数据之前手动规范化我的输入数据，就会一直得到一个非常大的错误。什么是正确规范输入数据的方法。我试图在LSTM层之前再加一个，但没用。谢谢！在

Answer 1

from sklearn.preprocessing import MinMaxScaler

scalerx = MinMaxScaler( feature_range=(0, 1) )  # To normalize the inputs
scalery = MinMaxScaler( feature_range=(0, 1) )  # To normalize the outputs

datax = scalerx.fit_transform( data['inputs'] ) # Assuming a dictionary with inputs
datay = scalerx.fit_transform( data['outputs'] ) # and outputs

model.fit( datax, datay )

运行模型后，您将获得范围[0,1]的值，您需要恢复规范化以理解它们：

^{pr2}$

并且y_hat_denorm从一开始就有相同的单元，即来自data['outputs']的单元，用于创建scalery。在

Answer 2

您可以使用kerasnormalise函数，或者也可以使用scikit learnpreprocessing函数。在