Scikit learn &引用；培训偏离并返回“NaN”；第二次安装模型时？

我是一名scikit n00b，正在尝试这个神经网络示例：

from sknn.mlp import Regressor, Layer

nn = Regressor(
    layers=[
        Layer("Rectifier", units=100),
        Layer("Linear")],
    learning_rate=0.02,
    n_iter=10)
nn.fit(X_train, y_train)

在[0]上找到

我有我正在使用的适当（规范化）数据集（x_列和Y_列）。当我执行nn.fit命令时，它只工作一次。但任何后续的尝试都会导致非常恼人的结果

  File "1.py", line 39, in <module>
    nn.fit(X, Y.values.ravel())
  File "/Library/Python/2.7/site-packages/sknn/mlp.py", line 397, in fit
    return super(Classifier, self)._fit(X, yp, w)
  File "/Library/Python/2.7/site-packages/sknn/mlp.py", line 248, in _fit
    raise e
RuntimeError: Training diverged and returned NaN.

文件“1.py”，第39行，在
nn.fit（X，Y.values.ravel（））
文件“/Library/Python/2.7/site-packages/sknn/mlp.py”，第397行，适合
返回超级（分类器，自）.\u拟合（X，yp，w）
文件“/Library/Python/2.7/site packages/sknn/mlp.py”，第248行，格式为
提高e
运行时错误：训练发散并返回NaN。

这个错误似乎没有记录在案，所以我束手无策。让它重新工作的唯一方法似乎是重新启动我的电脑。以前有人见过这个吗？这是否意味着一旦我完成装配，我需要做一些“清理”

---

[0]

我遇到了类似的问题，我尝试使用scikit learn的管道规范化数据，如中所示。我还尝试将输出层的类型从“线性”更改为“Softmax”

---

我还是一个新手，我不知道为什么这些方法会有帮助。

是的，我遇到了与您相同的问题，并通过将“线性”更改为“Softmax”来解决它