如何解决排除权重不会提高神经网络的性能并产生NaN
如何在R中使用neuralnet
排除权重并做出不会导致NaN的预测?当我删除exclude
参数并且计算时间似乎不受影响时,预测会正确生成。
这是我用于神经网络训练的代码
# compute the network
{
model_nn = neuralnet(
formula = as.formula(responseFormula),data = trainingData,hidden = c(numHidden1,numHidden2),rep = 1,stepmax = 10^6,threshold = 0.01,lifesign = "full",exclude = excludedWeights)
}
这是预测代码
prediction = predict(model_nn,testingData)
我当时正在使用神经网络进行股票预测,并且我有82个输入变量,因此计算成本很高。有一种很明显的方法,我想删除权重,我想我已经在一个很小的测试网络中成功排除了权重(请参见下图,其中排除的权重为NaN),但由于某种原因,它只能在预测中生成NaN
第一次尝试训练网络时,我记得我收到关于“矩阵尺寸”的警告或错误,但是我再也没有看到。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。