2
我的問題是關於典型的前饋單隱層backprop神經網絡，在package nnet中實現，並且使用在包裝符號中進行了培訓。當輸出爲負數時，用插入符號訓練nnet和avNNet模型
raw Y ~ raw X:預測輸出是均勻地爲零，其中：這是我說明問題用簡單的迴歸示例，其中Y = sin(X) + small error有關this question但在NNET和尖包在R.上下文原料
Y < 0。
scaled Y (to 0-1) ~ raw X：解決方案看起來很棒;看下面的代碼。
的代碼如下
library(nnet)
X <- t(t(runif(200, -pi, pi)))
Y <- t(t(sin(X))) # Y ~ sin(X)
Y <- Y + rnorm(200, 0, .05) # Add a little noise
Y_01 <- (Y - min(Y))/diff(range(Y)) # Y linearly transformed to have range 0-1.
plot(X,Y)
plot(X, Y_01)
dat <- data.frame(cbind(X, Y, Y_01)); names(dat) <- c("X", "Y", "Y_01")
head(dat)
plot(dat)
nnfit1 <- nnet(formula = Y ~ X, data = dat, maxit = 2000, size = 8, decay = 1e-4)
nnpred1 <- predict(nnfit1, dat)
plot(X, nnpred1)
nnfit2 <- nnet(formula = Y_01 ~ X, data = dat, maxit = 2000, size = 8, decay = 1e-4)
nnpred2 <- predict(nnfit2, dat)
plot(X, nnpred2)
當使用插入符號train()，有一個預處理的選擇，但它僅縮放輸入。 train(..., method = "nnet", ...)似乎在使用原始值Y值;看下面的代碼。
library(caret)
ctrl <- trainControl(method = "cv", number = 10)
nnet_grid <- expand.grid(.decay = 10^seq(-4, -1, 1), .size = c(8))
nnfit3 <- train(Y ~ X, dat, method = "nnet", maxit = 2000,
trControl = ctrl, tuneGrid = nnet_grid, preProcess = "range")
nnfit3
nnpred3 <- predict(nnfit3, dat)
plot(X, nnpred3)
當然，我可以線性變換Y變量（S）有一個積極的範圍內，但後來我的預測將是錯誤的規模。雖然這只是一個小問題，但我想知道是否有一個更好的解決方案，用於在輸出值爲負值時使用插入符號訓練nnet或avNNet模型。