正如我在标题中提到的，我遇到了一个问题，我的神经网络给出了不同的预测值。

以下是我使用神经网络进行预测的步骤。

首先，我对x进行了归一化处理，并使用’nnet’创建了神经网络模型。

之后，我使用predict命令进行了预测。predict(nnet模型, 测试数据)

但问题是，每次我运行神经网络时，得到的预测结果都不一样。

例如，

mymodel<-nnet(~~~~)

predict(mymodel,测试数据)

我从预测中得到了值A。

之后，我再次执行了相同的命令’mymodel<-nnet(~~~~) predict(mymodel,测试数据)’，自然地，我应该再次得到预测值A。但这次，我得到了值B。

如果我再次运行，我得到了值C。

为什么我从同一个神经网络模型中得到不同的预测结果？

我应该做些什么来解决这个问题？

回答：

原因是你每次预测前都重新训练了模型。默认情况下，训练神经网络模型时会在初始化时为每个神经元设置一些随机值。因此，每次训练都会在某种程度上产生不同的模型。

为了避免这种情况，你可以使用同一个模型实例（只在开始时执行一次mymodel<-nnet(~~~~)，之后只执行predict()），或者设置随机值生成的种子，这样你总是能得到相同的随机值初始化集。