R中的无标度神经网络数值矩阵

Question

我有一个问题，我认为它可以是通用的，但在我的情况下，它适用于R.

为了记录在案，我同时使用了h20和神经网络包。

由于您可能知道，通常，它建议规模输入的神经网络，以使神经网络本身更好地工作与特定使用的激活函数。

在R中，有几种方法，我确实使用scale () / min / max。

让我们假设我有一个700×10的矩阵作为输入，这样缩放就会产生两个向量，一个是缩放，另一个是中心。

现在问题开始了，当我想要扩大输出的时候。公式是vOutput * vScaled (全向量)+ vCenter (全向量)。

问题：应该使用所有向量(缩放和中心)来进行缩放吗？还是有一个更复杂的公式或边界，我找不到？

Answer 1

#sample data
df <- data.frame(col1 = c(1:5), col2 = c(11:15), target=c(1,0,0,0,1))

#normalize sample data using scale() - except the 'target' column
df_scaled <- scale(df[,-ncol(df)])
df_scaled

#revert back to original data from scaled version
df_original <- as.data.frame(t(apply(df_scaled, 1, 
                                     function(x) (x * attr(df_scaled, 'scaled:scale') + attr(df_scaled, 'scaled:center')))))
df_original