R使用neuralnet做时间序列预测时归一化后出现NaN/NA及结构异常问题

测试集归一化后出现全NaN、维度错乱 #

问题成因 #

• 对矩阵直接调用lapply的逻辑完全不符合R的遍历规则：R的矩阵本质是带行列维度的数值向量，lapply传入矩阵时会逐元素遍历，不会按列拆分。原本预期每列作为整体传入归一化函数，实际是把每个单独的标量值传给了归一化函数。
• 标量输入下的归一化计算必然产生NaN：当传入的值是单个标量x时，min(x)=x、max(x)=x，分母max(x)-min(x)=0，计算结果为(x-x)/0 = NaN。22行4列的延时矩阵共88个元素，最终输出自然是1行88列、全为NaN的结构，和实际看到的输出完全一致。
• 附带的子集提取逻辑错误：原代码用subset(dataDelay, select = c(dataDelay[1], dataDelay[2], dataDelay[3]))提取输入特征时，dataDelay[1]是矩阵的第一个标量元素，不是第一列，就算归一化步骤正常，提取的特征也完全不符合预期，无法正常训练模型。

修复操作 #

• 替换遍历方式：把lapply(dataDelay, normalize)改成按列遍历的apply(dataDelay, 2, normalize)，强制将每列作为整体传入归一化函数，保证输出是22行4列的结构，避免逐元素计算的问题。
• 矩阵转数据框：也可以先把dataDelay转成data.frame再传给lapply，此时lapply会按列遍历，和预期逻辑一致。
• 修正子集提取逻辑：将矩阵转成带明确列名的data.frame后，用列名选择输入输出，避免位置索引错位。

全量数据集生成的延时矩阵全为NA #

问题成因 #

• 自定义归一化函数没有处理NA值的逻辑：R原生的min()/max()默认不会忽略输入里的NA，只要原始汇率序列里有1个空值，计算出的min/max就会返回NA，最终整个归一化序列全为NA，基于这个序列生成的延时矩阵自然全是NA。
• 数据读取环节没有做类型校验：读取csv的时候没有检查第三列的类型，如果第三列被读成字符型、因子型，或者有格式不统一的空单元格、字符串值，会导致min/max计算失效，返回NA，最终归一化结果全NA。
• 这里需要注意：“先对原始序列归一化、再生成延时矩阵”的逻辑本身是正确的，完全不存在顺序问题，反而能避免按列归一化延时矩阵时引入未来数据的统计量、造成数据泄露的常见错误，不要改回先生成矩阵再归一化的顺序。

修复操作 #

• 优化归一化函数的鲁棒性，增加NA处理逻辑，避免单个NA值导致全量结果失效：

  normalize <- function(x, na.rm = TRUE){
    min_val <- min(x, na.rm = na.rm)
    max_val <- max(x, na.rm = na.rm)
    return((x - min_val)/(max_val - min_val))
  }
  

• 增加读取后的校验步骤，避免类型不匹配导致的计算失效：

  exchangeData <- read.csv("ExchangeUSDcsv.csv")
  # 检查第三列的类型
  str(exchangeData[,3])
  # 非数值类型时强制转换，检查无效值占比
  data <- as.numeric(exchangeData[,3])
  sum(is.na(data))
  # 存在无效值时直接剔除后再做后续处理
  data <- na.omit(data)
  

模型训练的适配修正 #

原代码的neuralnet(Output~Input, hidden = 1, data = dataDelay)写法不符合neuralnet包的输入要求：这个函数要求公式里的变量名必须和传入data参数的data.frame列名完全匹配，需要把归一化后的延时矩阵设置为带明确列名的data.frame，示例写法：

currencyNorm <- as.data.frame(apply(dataDelay, 2, normalize))
colnames(currencyNorm) <- c("Lag3","Lag2","Lag1","Target")
currency_model <- neuralnet(Target ~ Lag1 + Lag2 + Lag3, hidden = 1, data = currencyNorm)

内容的提问来源于stack exchange，提问作者Krellex