为什么我从同一个神经网络模型得到不同的预测？

Question

作为我写的标题，我陷入了我的神经网络做出不同预测值的问题。

这是我使用神经网络进行预测的步骤。

首先，对x进行归一化，并使用'nnet'建立神经网络模型。

之后，我使用predict命令进行了预测。预测（nnet模型，测试数据）

但是问题是，每当我运行神经网络时，我都会得到不同的预测。

例如

mymodel <-nnet（~~~~）

预测（mymodel.test数据）

我从预测中得到了值A。

之后，我再次执行了相同的命令“ mymodel <-nnet（~~~~）预测（mymodel.test数据）”，那么很自然地得到A作为预测值。但是这一次，我得了B。

如果我再次运行它，我会得到C。

为什么我从同一个神经网络模型中得到不同的预测？

我应该怎么解决这个问题？

Answer 1

原因是因为您在进行另一次预测之前正在重新训练模型。默认情况下，训练神经网络模型涉及在初始化时为每个神经元值设置一些随机值。因此，每次训练都会在某种程度上产生不同的模型。

为避免这种情况，请使用相同的模型实例（仅在开始时执行一次mymodel<-nnet(~~~~)，之后再继续执行predict()），或设置种子以生成随机值，以便您始终得到相同的随机值集

Answer 2

即使数据和模型相同，您仍获得不同结果的原因是，每次您要求进行预测时，您都要求程序初始化模型所需的所有内容（即权重）。如果每次都希望获得相同的结果，则需要保持相同的权重值，而不必每次都重新初始化它们，则可以将其放入数据库中以备后用