我在尝试训练神经网络后遇到的问题并不是一个新问题：我得到的拟合值都是相同的。以下是一个简化的代码示例：

a <- c( 123, 223, 234, 226, 60)  b <- c(60, 90, 53, 54, 91)  d <- c(40,100,207,290,241)  q <- cbind(a,b,d)  nn <- neuralnet(a~b+d,data=q,hidden=2,threshold=0.01,err.fc="sse")  nn$net.result

我之前找到的答案建议使用nnet包替代。然而，除非我将衰减参数设置为非零值，否则我得到的结果仍然相同。但我并不想仅仅因为衰减选项似乎“有效”就盲目使用它，我更希望理解我的neuralnet模型最初出了什么问题。

回答：

因此，在使用neuralnet和nnet对我的原始数据集进行尝试后，我发现了问题所在。这是由于随机选择的初始权重造成的。neuralnet分配给它们的数值范围导致了这种奇怪的解决方案。然而，当我尝试使用startweights语句手动将起始权重设置为从nnet获得的值（在那里返回了合适的拟合值）时，我得到了“算法未收敛”的错误。所以我想我不得不放弃neuralnet的图表，转而使用nnet。