stock<-structure(list(week = c(1L, 2L, 5L, 2L, 3L, 4L, 3L, 2L, 1L, 5L,         1L, 3L, 2L, 4L, 3L, 4L, 2L, 3L, 1L, 4L, 3L),     close_price = c(774000L,         852000L, 906000L, 870000L, 1049000L, 941000L, 876000L, 874000L,         909000L, 966000L, 977000L, 950000L, 990000L, 948000L, 1079000L,         NA, 913000L, 932000L, 1020000L, 872000L, 916000L),     vol = c(669L,         872L, 3115L, 2693L, 575L, 619L, 646L, 1760L, 419L, 587L, 8922L,         366L, 764L, 6628L, 1116L, NA, 572L, 592L, 971L, 1181L, 1148L),     obv = c(1344430L, 1304600L, 1325188L, 1322764L, 1365797L,         1355525L, 1308385L, 1308738L, 1353999L, 1364475L, 1326557L,         1357572L, 1362492L, 1322403L, 1364273L, NA, 1354571L, 1354804L,         1363256L, 1315441L, 1327927L)),     .Names = c("week", "close_price", "vol", "obv"),     row.names = c(16L, 337L, 245L, 277L, 193L, 109L, 323L, 342L, 106L,         170L, 226L, 133L, 72L, 234L, 208L, 329L, 107L, 103L, 71L, 284L, 253L),     class = "data.frame")

我有一个名为Nam的数据集，包含349个观测值，我想使用nnet来预测close_price。

obs<- sample(1:21, 20*0.5, replace=F)tr.Nam<- stock[obs,]; st.Nam<- stock[-obs,] # tr.Nam是训练数据集，而st.Nam是测试数据集。library(nnet)Nam_nnet<-nnet(close_price~., data=tr.Nam, size=2, decay=5e-4)

通过这个语句，我想我已经创建了一个用于预测close_price的函数。

summary(Nam_nnet)y<-tr.Nam$close_pricep<-predict(Nam_nnet, tr.Nam, type="raw") 

我期望p是close_price的预测值，但它只有1的值。为什么p没有close_price的连续值？

tt<-table(y,p)summary(tt)tt

回答：

我认为如果有一个可复现的例子可能会做得更好，但我认为问题可能是几个原因之一。首先，执行str(data)以确保每个变量的类型正确（因子、数值等）。此外，神经网络通常对标准化、缩放和居中后的数据反应更好，否则较大的数值输入可能会使输入过饱和，这可能是如果’week’变量是数值类型的情况。

总之，一定要检查每个变量的类型，确保你输入的是正确形式，并考虑缩放数据以使其平滑且输入的量级相当。