谁能告诉我如何使用 R 中的函数 nnet 来约束神经网络的输出和选定变量，以使特征的影响是积极的。我有一个具有数值（表面、价格）和分类值的数据库（房地产） （停车 Y/N、区号等）。模型的输出是价格。问题是，该模型目前估计，在一些地区代码中，有停车位的房屋价值低于没有停车位的房屋。我想限制输出（价格），以便在每个区号中，停车位对价格的影响是积极的。当然，带停车位的小房子仍然比没有停车位的大房子便宜。
示例数据（80.000 个观察值）：
Price Surface Parking Y Areacode 1 Areacode 2 Areacode 3
100000 100 0 1 0 0
110000 99 1 0 1 0
200000 110 0 0 0 1
150000 130 0 0 1 0
190000 130 1 0 0 1
（感谢您以体面的格式放置表格）
我使用 nnet 在 R 中对此进行了建模。
model = nnet(Price~ . , data=data6, MaxNWts=2500, size=12, skip=TRUE, linout=TRUE, decay=0.025, na.action=na.omit)
我使用 nnet 是因为我希望为每个区号的停车位找到不同的值。如果有更好的方法，请告诉我们。
我在 Windows XP 上使用 RStudio 版本 0.98.976（是的，我知道；）
提前感谢您的回复