R中的Neuralnet包大错误

Posted 2023-03-12

【中文标题】R中的Neuralnet包大错误

【英文标题】：Neuralnet package in R big error

【发布时间】：2014-01-07 02:02:21

【问题描述】：

我正在尝试弄清楚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，第四列是我想要的结果，它是由简单的数学执行制成的，比如对其他三列求和），到目前为止一切都很好。然后我决定将包应用于真实数据。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，或者 8 个或 18 个，错误是相同的，并且包处理数据的时间相对于这个数据量（234 行）相对较小：

        Error Reached Threshold Steps
1 2110.173077    0.006277805853    54

对此有什么好的建议吗？

【问题讨论】：

到底是什么错误，我之前有用户神经网络，没有大问题

没有代码错误，但它给出了一个巨大的错误作为输出。我怎样才能最小化这个？它也没有时间分析数据，这让我觉得我没有正确应用这个......

如果你想出来了，如果你喜欢就写评论吧！

先尝试scale你的输入变量。

我了解由于数据相关性不佳，可能会出现大错误。我对数据进行了缩放，假设您的意思是 scale() 函数，所以我得到 sd=1。但是，如果没有办法逆转缩放并将它们恢复到正常外观，那么现在的数据就没有任何意义了。

【参考方案1】：

我猜这是一个规模问题，您可以对其进行标准化或规模化。 scaling 和 normalizing 之间存在差异，它会影响您的结果，因此值得单独提出一个问题：

标准化输入

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)

然后你可以对数据进行反规范化

# restore data 
y.net = min(data[, 'cty']) + net$net.result[[1]] * range(data[, 'cty'])
plot(data[, 'cty'], col = 'red')
points(y.net)

规模输入

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')

【讨论】：

如何逆转扩展过程，以便现在可以使用每加仑没有 cty 英里的数据来测试网络？顺便说一句，你的答案太棒了！！！

我指的是那个！我现在的问题是。例如，假设我们有以下数据： 2.4 (liters) 2003(model) 6(cyl) 25(hwy) 我们如何才能找回 cty？因为我们现在拥有的数据是按比例缩放的。 PS：令人惊讶的是，有人可以从 *** 中学到多少信息。

不客气。最后一件事：尝试使用线图代替点 - 差异会非常明显。

您好！我运行了代码，我可以看到缩放数据的错误比标准化的要大一些。但是，当我将数据转换回 deirmalization 时，会产生很大的差异，并且 descaling 更准确。什么是最好的方法？归一化还是缩放？因为我有红色，所以这些方法在统计中所代表的内容有所不同。

我编辑了反规范化的代码，因此它现在可以提供更好的输出 y.net =data.frame(min(data[, 'cty']) + data.norm[,'cty'] * (max(data[, 'cty'])-min(data[, 'cty']))))