R 我的神经网络的输出是恒定的

我正在使用backprop算法来预测价格。我正在使用neuralnet软件包。我的神经网络有一个隐藏层，有4个节点。我的网络输出是恒定的，变化很小。我已经将我的数据标准化了。有什么问题吗

我的神经网络

      nn<- neuralnet(O.avgprice+O.firstquartil+O.thirdquartil~Timestamp+avg.price+weekday+firstquartil+thirdquartil+nooftransactions,
                 data = trainANN,hidden = c(4), algorithm = "backprop", rep = "1",learningrate = 0.01, threshold = 0.01, linear.output = F)

这就是我如何标准化我的数据

    maxs <- apply(m1,2,max)
    mins <- apply(m1,2,min)
    ANN <- as.data.frame(scale(m1,center = mins, scale = maxs - mins ))

maxs
lapply在缩放/规范化大容量数据方面表现更好
m你能解释一下为什么这样做吗？帮助未来的读者发展？
    maxs <- apply(m1,2,max)
    mins <- apply(m1,2,min)
    ANN <- as.data.frame(scale(m1,center = mins, scale = maxs - mins ))

lapply performs better in scaling/normalising data of large volumes
 m <- function(x) {(x - min(x, na.rm=TRUE))/(max(x,na.rm=TRUE) - 
                                             min(x, na.rm=TRUE))} 

N <- as.data.frame(lapply(m1, doit))