预测 - 回归的神经网络

Question

我试图预测自住房屋的中位数值,这是一个效果良好的例子.https://heuristically.wordpress.com/2011/11/17/using-neural-network-for-regression/

    library(mlbench)
    data(BostonHousing)
    require(nnet)
    # scale inputs: divide by 50 to get 0-1 range
    nnet.fit <- nnet(medv/50 ~ ., data=BostonHousing, size=2) 
    # multiply 50 to restore original scale
    nnet.predict <- predict(nnet.fit)*50 

nnet.predict [,1] 1 23.70904 2 23.70904 3 23.70904 4 23.70904 5 23.70904 6 23.70904 7 23.70904 8 23.70904 9 23.70904 10 23.70904 11 23.70904 12 23.70904 13 23.70904 14 23.70904 15 23.70904

对于所有506个观测值的所有预测,我得到23.70904相同的值？为什么会这样？我做错了什么？

我的R版本是3.1.2.

Answer 1

这是由于linout = TRUE需要用于连续响应变量.由于我使用nnet进行回归(而不是分类)问题,我需要设置linout = T来告诉nnet使用线性输出'

nnet.fit <- nnet(medv/50 ~ ., data=BostonHousing, size=10, linout=TRUE, skip=TRUE, MaxNWts=10000, trace=FALSE, maxit=100)

这对我很有用,希望它有所帮助.