Question

我正在尝试使用神经网络包构建一个神经网络，但我遇到了一些问题。我已成功使用nnet套餐，但neuralnet套餐没有运气。我已经阅读了整个文档包，找不到解决方案，或者我可能无法发现它。

我正在使用的训练命令是

nn<-neuralnet(V15 ~ V1 + V2 + V3 + V4 + V5 + V6 + V7 + V8 + V9 + V10 + V11 + V12 + V13 + V14,data=test.matrix,lifesign="full",lifesign.step=100,hidden=8)

和预测

result<- compute(nn,data.matrix)$net.result

培训比nnet培训需要更长的时间。我尝试使用与nnet相同的算法（反向传播而不是反复传播反向传播），没有任何内容，也改变了激活函数（和linear.output=F）以及其他所有内容，结果没有改进。预测值都是相同的。我不明白为什么nnet对我有用，而neuralnet则没有。

我真的可以使用一些帮助，我（缺乏）对这两种事物的理解（神经网络和R）可能是原因，但找不到原因。

我的数据集来自UCI。我想使用神经网络进行二进制分类。数据样本将是：

25,Private,226802,11th,7,Never-married,Machine-op-inspct,Own-child,Black,Male,0,0,40,United-States,<=50K.
38,Private,89814,HS-grad,9,Married-civ-spouse,Farming-fishing,Husband,White,Male,0,0,50,United-States,<=50K.
28,Local-gov,336951,Assoc-acdm,12,Married-civ-spouse,Protective-serv,Husband,White,Male,0,0,40,United-States,>50K.
44,Private,160323,Some-college,10,Married-civ-spouse,Machine-op-inspct,Husband,Black,Male,7688,0,40,United-States,>50K.
18,?,103497,Some-college,10,Never-married,NA,Own-child,White,Female,0,0,30,United-States,<=50K.
34,Private,198693,10th,6,Never-married,Other-service,Not-in-family,White,Male,0,0,30,United-States,<=50K.
29,?,227026,HS-grad,9,Never-married,?,Unmarried,Black,Male,0,0,40,United-States,<=50K.
63,Self-emp-not-inc,104626,Prof-school,15,Married-civ-spouse,Prof-specialty,Husband,White,Male,3103,0,32,United-States,>50K.
24,Private,369667,Some-college,10,Never-married,Other-service,Unmarried,White,Female,0,0,40,United-States,<=50K.
55,Private,104996,7th-8th,4,Married-civ-spouse,Craft-repair,Husband,White,Male,0,0,10,United-States,<=50K.
65,Private,184454,HS-grad,9,Married-civ-spouse,Machine-op-inspct,Husband,White,Male,6418,0,40,United-States,>50K.
36,Federal-gov,212465,Bachelors,13,Married-civ-spouse,Adm-clerical,Husband,White,Male,0,0,40,United-States,<=50K.
26,Private,82091,HS-grad,9,Never-married,Adm-clerical,Not-in-family,White,Female,0,0,39,United-States,<=50K.

转换为矩阵，其中因子为数值：

V1  V2  V3  V4  V5  V6  V7  V8  V9  V10 V11 V12 V13 V14 V15
39  7   77516   10  13  5   1   2   5   2   2174    0   40  39  0
50  6   83311   10  13  3   4   1   5   2   0   0   13  39  0
38  4   215646  12  9   1   6   2   5   2   0   0   40  39  0
53  4   234721  2   7   3   6   1   3   2   0   0   40  39  0
28  4   338409  10  13  3   10  6   3   1   0   0   40  5   0
37  4   284582  13  14  3   4   6   5   1   0   0   40  39  0
49  4   160187  7   5   4   8   2   3   1   0   0   16  23  0
52  6   209642  12  9   3   4   1   5   2   0   0   45  39  1
31  4   45781   13  14  5   10  2   5   1   14084   0   50  39  1
42  4   159449  10  13  3   4   1   5   2   5178    0   40  39  1
37  4   280464  16  10  3   4   1   3   2   0   0   80  39  1
30  7   141297  10  13  3   10  1   2   2   0   0   40  19  1
23  4   122272  10  13  5   1   4   5   1   0   0   30  39  0

预测值摘要：

      V1           
 Min.   :0.2446871  
 1st Qu.:0.2446871  
 Median :0.2446871  
 Mean   :0.2451587  
 3rd Qu.:0.2446871  
 Max.   :1.0000000

Wilcoxon-Mann-Whitney检验的值（曲线下面积）表明预测性能与随机性非常相似。

performance(predneural,"auc")@y.values
[1] 0.5013319126

Answer 1

当您使用神经网络获得奇怪结果时，首先要考虑的是归一化。你的数据必须标准化，否则，是的，训练会导致NN偏斜，这会产生相同的结果，这是一种常见的症状。

查看您的数据集，有值>＆gt; 1，这意味着它们全部由NN处理，基本相同。其原因在于传统上使用的响应函数（几乎）在0左右的某个范围之外是恒定的。

在将数据输入神经网络之前，始终将数据标准化。

Answer 2

与@sashkello的答案类似，当我的数据未正确归一化时，我也遇到了类似的问题。一旦我对数据进行了标准化，一切就可以正常运行。

最近，我再次遇到此问题，在调试后，我发现神经网络提供相同输出可能还有另一个原因。如果您的神经网络具有权重衰减项，例如 RSNNS 包中的衰减项，请确保您的衰减项不会太大，以至于所有权重基本上都为0。

我在R中使用插入符包。最初，我使用的是衰减超参数= 0.01。当我查看诊断信息时，我看到正在为每次折叠（交叉验证）计算RMSE，但Rsquared始终为NA。在这种情况下，所有预测都得出相同的值。

一旦我将衰减降低到一个非常低的值（1E-5和更低），我就得到了预期的结果。

我希望这会有所帮助。

Answer 3

我在这里为可能遇到我同样问题的任何人添加此内容。

如果以上任何一项均无效，并且您正在使用带有自定义训练循环的TensorFlow。确保将training=True设置为：

predictions = model(inputs, training=True)

神经网络预测为所有预测返回相同的值

3 个答案: