文章 "神经网络实验（第 5 部分）：常规化传输到神经网络的输入参数"

MetaQuotes 2023.09.25 06:49

神经网络是交易者工具包中的终极工具。我们来检查一下这个假设是否成立。在交易中运用神经网络，MetaTrader 5 是最接近自给自足的媒介。为此提供了一个简单的解释。

规范化方法可能会因数据类型和我们尝试解决的问题而异。例如，图像最常见的规范化方法是 Z-归一化和最小-最大归一化。然而，对于其它类型的数据，例如音频信号或文本数据，采用其它规范化方法可能更有效。

例如，对于音频信号，通常采用最大幅度归一化，其中所有信号值都在 -1 和 1 之间缩放。对于文本数据，按句子中的单词或字符数量进行规范化可能很有用。

此外，在某些情况下，不仅规范化输入数据，而且规范化目标变量也很有用。例如，在回归问题中，若目标变量具有较大数值范围，规范化目标变量以提升训练稳定性和预测准确性可能很有用。

输入的规范化是为训练神经网络准备数据阶段的重要步骤。这个过程允许我们将数据输入纳入一定范围内，这有助于提高训练收敛的稳定性和速度。取决于数据类型和我们尝试解决的问题，可以采用不同的常规化方法。此外，在某些情况下，不仅规范化输入数据，而且规范化目标变量也很有用。