神经网络预测为所有预测返回相同的值

Question

我正在尝试用neuralnet包构建一个神经网络，但遇到了一些问题。我已经成功地使用了nnet包，但使用neuralnet包就没那么顺利了。我已经阅读了整个文档包，但找不到解决方案，或者我可能找不到它。

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) 

和预测

result<- compute(nn,data.matrix)$net.result

训练所需的时间要比nnet训练长得多。我尝试使用与nnet相同的算法(反向传播而不是重新静默反向传播)，但什么也没有改变，也改变了激活函数(和linear.output=F)以及几乎所有其他东西，结果并没有改善。预测值都是一样的。我不明白为什么nnet能为我工作，而neuralnet不能。

我真的需要一些帮助，我(缺乏)对这两件事(神经网络和R)的理解可能是原因，但找不到原因。

我的数据集来自UCI。我想使用神经网络进行二进制分类。数据示例如下：

25,Private,226802,11th,7,Never-married,Machine-op-inspct,Own-child,Black,Male,0,0,40,United-States,<=50K.
38,Private,89814,HS-grad,9,Married-civ-spouse,Farming-fishing,Husband,White,Male,0,0,50,United-States,<=50K.
28,Local-gov,336951,Assoc-acdm,12,Married-civ-spouse,Protective-serv,Husband,White,Male,0,0,40,United-States,>50K.
44,Private,160323,Some-college,10,Married-civ-spouse,Machine-op-inspct,Husband,Black,Male,7688,0,40,United-States,>50K.
18,?,103497,Some-college,10,Never-married,NA,Own-child,White,Female,0,0,30,United-States,<=50K.
34,Private,198693,10th,6,Never-married,Other-service,Not-in-family,White,Male,0,0,30,United-States,<=50K.
29,?,227026,HS-grad,9,Never-married,?,Unmarried,Black,Male,0,0,40,United-States,<=50K.
63,Self-emp-not-inc,104626,Prof-school,15,Married-civ-spouse,Prof-specialty,Husband,White,Male,3103,0,32,United-States,>50K.
24,Private,369667,Some-college,10,Never-married,Other-service,Unmarried,White,Female,0,0,40,United-States,<=50K.
55,Private,104996,7th-8th,4,Married-civ-spouse,Craft-repair,Husband,White,Male,0,0,10,United-States,<=50K.
65,Private,184454,HS-grad,9,Married-civ-spouse,Machine-op-inspct,Husband,White,Male,6418,0,40,United-States,>50K.
36,Federal-gov,212465,Bachelors,13,Married-civ-spouse,Adm-clerical,Husband,White,Male,0,0,40,United-States,<=50K.
26,Private,82091,HS-grad,9,Never-married,Adm-clerical,Not-in-family,White,Female,0,0,39,United-States,<=50K.

转换为矩阵，其中因子为数值：

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

预测值摘要：

      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，预测性能与随机预测性能基本相同。

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

Answer 1

当你使用神经网络得到奇怪的结果时，要考虑的第一个原因是归一化。你的数据必须归一化，否则，是的，训练会导致倾斜的NN，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，有一些值为>>1，这意味着NN对它们的处理基本上是相同的。其原因是传统使用的响应函数在0附近的某个范围外(几乎)是常量。

在将数据输入神经网络之前，一定要对数据进行标准化。

Answer 2

与@sashkello的答案类似，我之前也遇到过类似的问题，因为我的数据没有正确规范化。一旦我对数据进行了标准化，一切都运行正常。

最近，我再次遇到这个问题，在调试后，我发现神经网络提供相同的输出可能有另一个原因。如果您的神经网络具有像RSNNS包中那样的权重衰减项，请确保您的衰减项不会太大，以至于所有权重基本上都为0。

我在R中使用了插入包。最初，我使用的是decay超参数= 0.01。当我查看诊断时，我看到(交叉验证)的每一次折叠都在计算RMSE，但Rsquared始终是NA。在这种情况下，所有的预测结果都是相同的值。

一旦我将衰减降低到一个更低的值(1E-5或更低)，我就得到了预期的结果。

我希望这能帮到你。

Answer 3

我在这里为那些可能有和我一样的问题的人添加这篇文章。

如果以上任何一种方法都不起作用，而您正在使用带有自定义训练循环的TensorFlow。确保将training=True设置为：

predictions = model(inputs, training=True)