在对输入数据进行规范化处理后，如何对神经网络预测进行反规范化处理？

Question

我们正在进行的项目是“使用反向传播算法的软件工作量估计”。你知道吗

在本计画中，使用反向传播演算法训练神经网路。我们使用一个以虹膜数据集为样本的代码来训练神经网络。我们使用的激活函数是切线（tanh）函数，其范围为[-1，1]。你知道吗

虹膜数据集有4个输入和1个输出（输入所属的物种）。4个输入是萼片长度、萼片宽度、花瓣长度和花瓣宽度。根据这些值，这些变量被分为3个物种（刚毛目、花色和维罗尼卡）。在数据集中，这些物种分别用二进制表示为（1,0,0），（0,1,0），（0,0,1）。所有输出值都在0到1的范围内。你知道吗

我们的项目是软件工作量估算，所以我们用COCOMO81数据集替换了数据集。输入和输出变量的数量更大，多达2000个。在代码中，规范化用于规范化这些值，使它们在-1到1的范围内（使用切线激活函数）。这对于训练神经网络很有效，但是由于这种归一化，我们无法知道输出值的原始值，因为它也是归一化形式。你知道吗

需要将原始值与COCOMO2模型的输出值进行比较，以证明我们的模型是更好的。为此，我们认为需要对输出值进行反规范化，但是，我们不确定如何处理输出值。你知道吗