R Deepnet软件包输出的概率超出所需范围

我正在使用

deepnet

进行分类。数据集中的所有内容都是数字。我使用以下命令训练我的模型：

library(deepnet)
dnn <- dbn.dnn.train(training, y_training, hidden = rep(100,50,30),numepochs = 5, learningrate = 0.5, hidden_dropout = 0.3)

prednn <- nn.predict(dnn, testing)
range(prednn)
[1] 0.7167986 0.9834596

---

神经网络真的收敛到低损耗了吗？似乎不是，你的学习率太高了，在查看网络预测之前，你应该正确地训练网络。我尝试将学习率设置为0.2，这使我的范围缩小了

range（prednn）[1]0.6600011 0.9710593

，但我无法获得正确的预测。学习率通常在0.1、0.01左右，甚至更低。另外，你只训练了5个时期。许多模型需要更长的时间才能充分了解数据。

dnn <- dbn.dnn.train(training, y_training, hidden = rep(100,50,30),numepochs = 5, learningrate = 0.1, hidden_dropout = 0.3)

 range(prednn)
[1] 0.8619268 0.8619268