神经网络包中的R大错误

Question

我试图找出如何使神经网络包工作。我对我创建的数据及其结果进行了一些测试（大约50行数据和三列，其中第四行是我想要的结果，它是通过简单的数学执行来完成的，比如总结其他三列），到目前为止一直很好。然后我决定在真实数据上应用这个包。我从这里下载了mpg数据集http://vincentarelbundock.github.io/Rdatasets/datasets.html

我正在运行代码：

net<- neuralnet(cty~displ+year+cyl+hwy,
                datain, hidden=3)

即使我有3个隐藏层，或者8或18，错误也是一样的，并且数据包处理数据的时间相对较小（234行）：

        Error Reached Threshold Steps
1 2110.173077    0.006277805853    54

对此有什么好的建议吗？

Answer 1

我猜这是一个比例问题，你可以将其标准化或缩放。 scaling和normalizing之间存在差异，它会影响您的搜索结果并值得单独提问：

规范化输入

norm.fun = function(x){ 
  (x - min(x))/(max(x) - min(x)) 
}

require(ggplot2) # load mpg dataset
require(neuralnet)

data = mpg[, c('cty', 'displ', 'year', 'cyl', 'hwy')]
data.norm = apply(data, 2, norm.fun)

net = neuralnet(cty ~ displ + year + cyl + hwy, data.norm, hidden = 2)

然后你可以对数据进行非规范化

# restore data 
y.net = min(data[, 'cty']) + net$net.result[[1]] * range(data[, 'cty'])
plot(data[, 'cty'], col = 'red')
points(y.net)

比例输入

data.scaled = scale(data)
net = neuralnet(cty ~ displ + year + cyl + hwy, data.scaled, hidden = 2)

# restore data 
y.sd = sd(data[, 'cty'])
y.mean = mean(data[, 'cty'])

y.net = net$net.result[[1]] * y.sd + y.mean
plot(data[, 'cty'], col = 'red')
points(y.net)

你也可以尝试 nnet 包，它非常快：

require(nnet)

data2 = mpg
data2$year = scale(data2$year)
fit = nnet(cty ~ displ + year + cyl + hwy, size = 10, data = data2, linout = TRUE)
plot(mpg$cty)
points(fit$fitted.values, col = 'red')