roc 中的错误：R 中的神经网络

Question

我想在 R 中使用神经网络来预测汽车的价格，它有 144 个自变量。 在我的代码下面。一切正常，除了最后 2 行：AUC 和绘图。

这是我得到的错误：

roc(predNN, yTEST) 中的错误： 没有足够的不同预测来计算 ROC 曲线下的面积。

我已经计算了因变量作为一个因素，但这个错误仍然存​​在。 我应该如何解决这个问题？

 allind <- sample(x=1:nrow(data_price2),size=nrow(data_price2))

 trainind <- allind[1:round(length(allind)/3)]
 valind <- allind[(round(length(allind)/3)+1):round(length(allind)*(2/3))]
 testind <- allind[round(length(allind)*(2/3)+1):length(allind)]

 BasetableTRAIN <- data_price2[trainind,]
 BasetableVAL <- data_price2[valind,]
 Basetablebig <-rbind(BasetableTRAIN,BasetableVAL)
 BasetableTEST <- data_price2[testind,]

 #Create a separate response variable
 yTRAIN <- BasetableTRAIN$Price
 BasetableTRAIN$Price <- NULL

 yVAL <- BasetableVAL$Price
 BasetableVAL$Price <- NULL

 yTEST <- BasetableTEST$Price
 BasetableTEST$Price <- NULL

 yBIG <- Basetablebig$Price
 Basetablebig$Price <- NULL

 yTRAIN <- as.factor(yTRAIN)
 yVAL <- as.factor(yVAL)
 yTEST <- as.factor(yTEST)
 yBIG <- as.factor(yBIG)

 if (require("nnet")==FALSE) install.packages("nnet") ; library(nnet)
 if (require("AUC")==FALSE) install.packages("AUC") ; library(AUC)

 size <- 5 #number of units in the hidden layer
 decay <- 0.1 #weight decay. Same as lambda in regularized LR. Controls for
               overfitting. 
 rang <- 0.5 #the range of the initial random weights parameter
 maxit <- 2000 #set high in order not to run into early stopping 

 NN <- nnet(yBIG ~ ., Basetablebig, size = size, 
       rang = rang, decay = decay, maxit = maxit,MaxNWts= Inf)

 predNN <- as.numeric(predict(NN,BasetableTEST,type="raw"))
 AUC::auc(roc(predNN,yTEST))
 plot(roc(predNN,yTEST))

Answer 1

您很可能会遇到与不良模型相关的问题。查看模型的预测。根据概率阈值 0.5，您可能会得到全 0 或 1。神经网络技术非常容易受到不同列之间的尺度差异的影响，因此数据标准化 [mean =0 std =1] 是一种很好的做法。我建议您为此使用 R 函数 scale()。请提供数据以重现您的问题。