neuralnet prediction为所有预测返回相同的值

我正试图用neuralnet软件包构建一个神经网络，但我遇到了一些问题。我成功地使用了

nnet

软件包，但没有使用

neuralnet

软件包。我已经阅读了整个文档包，但找不到解决方案，或者我可能无法发现它

我使用的训练命令是

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) 

转换为矩阵，系数作为数值：

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

预测值汇总：

      V1           
 Min.   :0.2446871  
 1st Qu.:0.2446871  
 Median :0.2446871  
 Mean   :0.2451587  
 3rd Qu.:0.2446871  
 Max.   :1.0000000  

Wilcoxon-Mann-Whitney检验值（曲线下面积）表明，预测性能与随机测试结果基本相同

performance(predneural,"auc")@y.values
[1] 0.5013319126

---

当你用神经网络得到奇怪结果时，首先考虑的是归一化。您的数据必须规范化，否则，是的，训练将导致偏斜的神经网络，这将始终产生相同的结果，这是一个常见的症状

查看您的数据集，有值>>1，这意味着NN对它们的处理基本相同。其原因是，传统使用的响应函数（几乎）在0左右的某个范围外保持不变

---

在将数据输入神经网络之前，请始终对其进行标准化。

与@sashkello的回答类似，我之前遇到过一个类似的问题，当时我的数据没有正确标准化。一旦我规范化了数据，一切都正常运行了

最近，我再次面对这个问题，在调试之后，我发现神经网络提供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，如RSNNS软件包中的权重衰减项，请确保衰减项不会太大，以至于所有权重基本上都为0

我在R中使用了插入符号包。最初，我使用的是衰减超参数=0.01。当我查看诊断时，我看到RMSE是针对每个折叠（交叉验证）计算的，但Rsquared总是NA。在这种情况下，所有的预测结果都是相同的

一旦我将衰减降低到一个更低的值（1E-5和更低），我就得到了预期的结果

---

我希望这能有所帮助。

我在这里为那些可能与我有同样问题的人添加这个

如果上述任何一项都不起作用，并且您正在使用TensorFlow和自定义训练循环。确保将

training=True

设置为：

预测=模型（输入，训练=真）

      V1           
 Min.   :0.2446871  
 1st Qu.:0.2446871  
 Median :0.2446871  
 Mean   :0.2451587  
 3rd Qu.:0.2446871  
 Max.   :1.0000000  

performance(predneural,"auc")@y.values
[1] 0.5013319126