截尾输出数据，输出层的激活函数和使用哪种丢失函数？
截尾输出数据，输出层的激活函数和使用哪种丢失函数？
提问于 2018-04-04 17:05:44
我正在建立一个神经网络来解决回归问题。输出是一个单一的数值。
不幸的是，输出被审查:0以下的值被记录为0，而正值保持不变。
对于输出层(可能是ReLU)，应该使用什么激活函数？如何定义损失函数，我应该只使用RMSE吗？(因为输出是被删失的，所以我们希望神经网络能够生成0输出和正值)。
编辑1：
该问题是基于多输入变量的电力需求时间序列预测问题。只有高于某一阈值的值才会被记录下来，因此输出被审查。我们有大量的数值/分类输入变量:一天中的时间、气温、一周中的天数、假日/工作日等，我们希望建立一个基于输入变量的神经网络模型来预测电力需求(0或正)。
回答 1
Data Science用户
回答已采纳
发布于 2018-04-04 19:53:51
我们不能告诉你该使用什么损失函数。这是基于商业需要。特别是，错误的代价是什么？错误的代价与相对误差成正比吗？绝对错误？还有别的吗？这将驱动损失函数的选择。您应该尝试选择一个损失函数，其中损失函数的值与错误的成本成正比(例如，您的公司的货币成本)。
在最后一层中使用ReLU作为激活函数是明智的，因为您的数据被审查以将所有负输出替换为0。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/29907
复制相关文章
相似问题
腾讯云开发者
