神经网络预测为所有预测返回相同的值

Question

我正在尝试用神经网络包构建一个神经网络,我遇到了一些问题.我已经成功使用了这个nnet包,但没有运气neuralnet.我已阅读整个文档包,无法找到解决方案,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) 

并用于预测

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

培训比nnet培训需要更长的时间.我尝试使用相同的算法nnet(backpropagation而不是resilent backpropagation),什么都没有,改变了激活函数(和linear.output=F)以及其他几乎所有,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,而那个neuralnet没有.

我真的可以使用一些帮助,我(缺乏)理解这两件事(神经网络和R)这可能是原因,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,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(曲线下面积)的值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.您的数据必须标准化,否则,是的,训练将导致NN偏斜,这将始终产生相同的结果,这是一种常见的症状.

查看您的数据集,有值>> 1,这意味着它们都由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附近的某个范围之外是恒定的.

始终将数据标准化,然后将其输入神经网络.

Answer 2

与 @sashkello 的答案类似，当我的数据没有正确标准化时，我之前遇到了类似的问题。一旦我标准化了数据，一切就正常运行了。

最近，我再次遇到这个问题，经过调试，我发现神经网络给出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包中的权重衰减项），请确保您的衰减项不会太大，以致所有权重基本上都变为 0。

我在 R 中使用插入符号包。最初，我使用衰减超参数 = 0.01。当我查看诊断时，我发现正在计算每次折叠（交叉验证）的 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更低的值（1E-5 及更低），我就得到了预期的结果。

我希望这有帮助。