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

我正在运行下面的代码:

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

即使我有3个隐藏层,或8或18,错误是相同的,并且包处理数据的时间相对较少(这234行):

        Error Reached Threshold Steps
1 2110.173077    0.006277805853    54

对此有什么好的建议吗？

Answer 1

这是一个规模问题我猜,你可以规范化或扩展它.scaling和之间存在差异normalizing,它会影响您的结果,值得在SO上单独提出一个问题:

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,您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)

你也可以试试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')