R中的神经网络包出现大错误

我正在尝试弄清楚如何使神经网络包发挥作用。我用我创建的数据及其结果（大约 50 行数据和三列，第四列是我想要的结果，它是通过简单的数学执行（如对其他三列求和）得出的）进行了一些测试，到目前为止一切顺利。然后我决定将这个包应用到真实数据上。我从这里下载了 mpg 数据集http://vincentarelbundock.github.io/Rdatasets/datasets.html http://vincentarelbundock.github.io/Rdatasets/datasets.html

我正在运行以下代码：

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

即使我有 3 个隐藏层，或者 8 个或 18 个隐藏层，错误也是相同的，并且包处理数据的时间相对于此数据量（234 行）来说相对较小：

        Error Reached Threshold Steps
1 2110.173077    0.006277805853    54

对此有什么好的建议吗？

我猜这是一个规模问题，您可以对其进行标准化或缩放。 之间存在差异scaling and normalizing，它会影响你的结果，值得一个单独的问题：

标准化输入

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)

规模投入

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)

您还可以尝试nnet包，速度非常快：

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')