我有一组用于神经网络的训练数据和预期输出。每组输入是一个10维向量，并且有一个预期输出。我已经使用高斯方法对训练数据进行了标准化，但对于只有单一维度的输出，我不知道该如何标准化。有什么建议吗？

示例：

原始输入向量：-128.91, 71.076, -100.75,4.2475, -98.811, 77.219, 4.4096, -15.382, -6.1477, -361.18

标准化输入向量： -0.6049, 1.0412, -0.3731, 0.4912, -0.3571, 1.0918, 0.4925, 0.3296, 0.4056, -2.5168

上述输入的原始预期输出是1183.6，但我不知道如何对其进行标准化。我应该将预期输出作为输入向量的一部分来标准化吗？

回答：

从你的问题来看，你似乎是在尝试实现某种回归算法。对于回归问题，通常不会对输出进行标准化。对于回归系统的训练数据，预期输出应该在你预期的范围内，或者就是你拥有的预期输出数据。

因此，你可以对训练输入进行标准化以加快训练速度，但通常不会对目标输出进行标准化。在测试阶段或提供新输入时，确保以与训练时相同的方式对数据进行标准化。具体来说，在网络的任何测试输入中，使用与训练时完全相同的标准化参数。