1

我正在构建一个人工神经网络来预测总医疗保健成本（因此是一个连续变量），它使用一系列输入变量，例如年龄、性别、保险范围和慢性病的数量。我使用 R 的神经网络包采取了以下步骤：

  1. 我首先将值标准化，因此所有自变量和因变量的值都介于 0 - 1 之间（使用 min-max 规则）

  2. 我创建了一个包含自变量和因变量的模型矩阵，还为神经网络创建了一个公式

    df_matrix <- model.matrix(~ total_cost_stand + sex + agestand + race + inscoverage + edu_year_stand + num_cc_stand,data = df)[,-1]

f <- as.formula(paste(c(colnames(df_matrix))[1], 
         paste(c(colnames(df1_matrix[,c(2:ncol(df_matrix))])), collapse = "+"), 
         sep=" ~ "))

  3. 我创建了训练和测试数据框

    smp_siz <- floor(0.75*nrow(df_matrix))

set.seed(465) 

train_ind <- sample(seq_len(nrow(df_matrix)),size = smp_siz)

train_df <- as.data.frame(df_matrix[train_ind, ])

test_df <- as.data.frame(df_matrix[-train_ind, ])

  4. 鉴于我想使用 ReLU 作为激活函数，我创建了以下函数以放入神经网络

    relu_copy <- function(x) ifelse(x>=0, x, 0)

  5. 现在我运行神经网络

    nn <- neuralnet::neuralnet(f ,
                    data = train_df ,
                    hidden = c(2,2) ,
                    act.fct = relu_copy,
                    threshold = 0.01 ,
                    err.fct = "sse",
                    algorithm = "rprop+" ,
                    linear.output = TRUE)

然而，我的一些预测输出是负的，这不应该是不可能的，因为 a）我的所有数据都在 0 和 1 之间标准化，b）我使用了 ReLU 激活函数，它应该将所有负值转换为 0。

  output <- neuralnet::compute(nn, test_df[,-1]) 

  predict <- output$net.result * (max(df$total_cost) - min(df$total_cost)) + min(df$total_cost) 
  
  min(predict)
  [1] -1447.274

对于我为什么得到负面预测结果的任何提示/解释，我将非常感激。

谢谢！

4

0 回答 0