将neuralnet输出限制为正值

我使用R的neuralnet函数来训练160个独立的neuralnetwork模型，每个模型有两个输入变量，并将它们部署到测试数据上

我需要将预测限制为正值。
我认为在nueralnet函数中指定act.fct=“logistic”可以实现这一目标

但是，似乎没有应用激活功能。检查权重后，函数的输出似乎只是输入值和权重加上偏差节点值的和积

就我的输出而言，在我试图预测的9条记录中，有2条是负的——都是-0.0885。为了简单起见，我指定了一个没有隐藏层的神经网络。在创建模型之后，我确定负值的罪魁祸首是偏差节点。当两个变量的权重为正时，偏差节点为负

if (require(neuralnet==F)) install.packages("neuralnet"); require(neuralnet)

for (i in 1:160) {
    training.list[[i]] <- neuralnet(nn.training[,i] ~  nn.training[,i+160]+nn.training[,i+320], nn.training, 
                              act.fct = "logistic", hidden = 0, threshold = 0.01)                                  
 }

 plot(training.list[[1]])

# Load test data in proper format 
load("nn_test.Rdata")

 # predict on only the first dataset for illustration's sake
 a <- compute(training.list[[1]], cbind(test[,1], test[,1+160]))

图中的权重分别为0.71174、0.39118（每个输入节点）和-0.0891（偏差节点）

---

为了将输出限制为正值，我需要指定什么

默认情况下，

act.fct

仅应用于隐藏层。如果您希望它也影响输出1，则必须设置

linear.output=FALSE

从

act.fct

用于平滑叉积结果的可微函数 关于协变量或神经元和权重。此外，字符串“logistic” 对于逻辑函数和切线双曲线，“tanh”是可能的

linear.output logical

If act.fct不应应用于设置为线性输出的输出神经元 TRUE，否则为FALSE。

---

非常感谢lejlot。顺便说一句，当我添加隐藏节点时，我本以为我的错误会下降，但它实际上失败了。知道为什么吗？

$net.result
         [,1]
  [1,]  0.44661508
  [2,]  0.31966633
  [3,]  0.01916739
  [4,] -0.08849801
  [5,] -0.08849801
  [6,]  0.39840670
  [7,]  0.33252190
  [8,]  0.33573579
  [9,]  0.38555113