问题描述
我正在尝试使用neuralnet包在R中训练神经网络。我正在运行回归模型，并试图预测计数变量“ Rented_Bike_Count”。我混合使用分类变量和数字变量，并通过model.matrix为分类变量创建了虚拟变量。
我已将数据转换为model.matrix并删除了拦截项。我读过与此问题类似的问题，每个人都说要降低学习速度。似乎一点都没有帮助，我也不认为需要将学习率降低到1e-6。
还有什么问题？我该如何解决？我尝试使用threshold=0.5，它似乎可以正常工作，但我真的不明白为什么。
代码：
library(caret)
library(neuralnet)
sigmoid <- function(x) 1 / (1+exp(-x))
# must make our factor variables in to a one-hot encoding (binary form)
X_train <- model.matrix(~.,data = Train_set_standardized)[,-1] # remove intercept term
dimnames(X_train)
Train_nn_sigmoid <- neuralnet(Rented_Bike_Count~.,data = X_train,hidden = 1,learningrate = 1e-6,act.fct = sigmoid,linear.output = TRUE,# FALSE Means output node gets the activation function
threshold = 0.5,err.fct = "sse")
Error in if (reached.threshold < min.reached.threshold) { :
missing value where TRUE/FALSE needed
解决方法
很可能您没有缩放数据。使用示例：
library(mlbench)
data(BostonHousing)
X_train = model.matrix(~.,data=BostonHousing)[,-1]
m <- neuralnet(medv ~.,data = X_train,hidden = c(5,3),learningrate = 1e-6,linear.output = TRUE,threshold = 0.5,act.fct=sigmoid,err.fct = "sse")
Error in while (step < stepmax && reached.threshold > threshold) { :
missing value where TRUE/FALSE needed
请参见此post about scaling the data。如果您搜索，我肯定还有其他帖子。如果您进行缩放：
X_scaled = scale(X_train)
X_scaled = data.frame(X_scaled)
m <- neuralnet(medv ~.,data = X_scaled,err.fct = "sse")
plot(predict(m,X_scaled),X_scaled$medv)
