python - 神经网络中的预测极限或区间

Question

我在 TensorFlow/python 中有一个简单的图神经网络，用于回归。

我的数据集 y 值始终在 [0,1] 的区间内作为浮点数。

但是很多预测小于0或者大于1。这个问题大大降低了性能。

有什么方法可以在 tf 中设置一个限制（或间隔）来限制算法预测范围之外的东西？

我正在考虑在训练期间施加一些惩罚。

注意：我认为这与正则化不同，因为我没有过拟合问题。

注意：我有一个相当小的数据集，大约有 400 个数据点。

标签： pythontensorflowneural-network

Answer 1

我不确定你的神经网络的架构。但是，sigmoid 激活函数应该将输出值限制在 [0, 1] 之间。

您可以在此处找到更多信息 - https://www.tensorflow.org/api_docs/python/tf/keras/activations/sigmoid