我正在使用 R 中的 nnet 包尝试构建一个人工神经网络来预测公寓（个人项目）的房地产价格。我是新手，没有数学背景，所以请和我一起裸露。

我有二进制和连续的输入变量。例如，一些原本是/否的二进制变量被转换为神经网络的 1/0。其他变量是连续的，如Sqft。

输入数据样本

我已将所有值标准化为 0-1。也许Bedrooms并且Bathrooms不应该标准化，因为它们的范围只有 0-4？

这些混合输入会给 ANN 带来问题吗？我得到了不错的结果，但经过仔细检查，ANN 为某些变量选择的权重似乎没有意义。我的代码在下面，有什么建议吗？

ANN <- nnet(Price ~ Sqft + Bedrooms + Bathrooms + Parking2 + Elevator + 
            Central.AC + Terrace + Washer.Dryer + Doorman + Exercise.Room + 
            New.York.View,data[1:700,], size=3, maxit=5000, linout=TRUE, decay=.0001)

更新： 根据下面关于将二进制输入分解为每个值类的单独字段的评论，我的代码现在看起来像：

ANN <- nnet(Price ~ Sqft + Studio + X1BR + X2BR + X3BR + X4BR + X1Bath
        + X2Bath + X3Bath + X4bath + Parking.Yes + Parking.No + Elevator.Yes + Elevator.No 
        + Central.AC.Yes + Central.AC.No + Terrace.Yes + Terrace.No + Washer.Dryer.Yes 
        + Washer.Dryer.No + Doorman.Yes + Doorman.No + Exercise.Room.Yes + Exercise.Room.No 
        + New.York.View.Yes + New.York.View.No + Healtch.Club.Yes + Health.Club.No,
    data[1:700,], size=12, maxit=50000, decay=.0001)

上面代码中的隐藏节点是 12，但我尝试了从 3 到 25 的一系列隐藏节点，结果都比我在上面发布的原始代码中的原始参数更差。我也试过线性输出=真/假。

我的猜测是我需要以不同的方式将数据提供给 nnet，因为它没有正确解释二进制输入。要么，要么我需要给它不同的参数。

有任何想法吗？