0

因此，我阅读了一篇论文，该论文使用神经网络建模了一个类似于我目前使用的数据集的数据集。我有 160 个描述符变量，我想为 160 个案例建模（回归建模）。我阅读的论文使用以下参数：-

'对于每个拆分，为 10 个单独的训练测试折叠中的每一个都开发了一个模型。具有 33 个输入神经元和 16 个隐藏神经元的三层反向传播网络用于在线权重更新、0.25 学习率和 0.9 动量。对于每一折，从总共 50 个不同的随机初始权重起点进行学习，并允许网络迭代学习时期，直到验证集的平均绝对误差 (MAE) 达到最小值。'

现在他们使用了一个名为 Emergent 的专业软件来做到这一点，这是一个非常专业的神经网络模型软件。然而，正如我之前在 R 中做过的模型一样，我必须坚持下去。所以我使用插入符号训练函数来进行 10 次交叉折叠验证，使用神经网络包进行 10 次。我做了以下事情： -

cadets.nn <- train(RT..seconds.~., data = cadet, method = "neuralnet", algorithm = 'backprop', learningrate = 0.25, hidden = 3, trControl = ctrl, linout = TRUE)

我这样做是为了尝试将参数调整为接近论文中使用的参数，但是我收到以下错误消息：-

  layer1 layer2 layer3 RMSE Rsquared RMSESD RsquaredSD
1      1      0      0  NaN      NaN     NA         NA
2      3      0      0  NaN      NaN     NA         NA
3      5      0      0  NaN      NaN     NA         NA
Error in train.default(x, y, weights = w, ...) : 
  final tuning parameters could not be determined
In addition: There were 50 or more warnings (use warnings() to see the first 50)

你知道我做错了什么吗？当我做 nnet 时它可以工作，但我无法调整参数以使其与我试图模仿的论文中使用的参数相似。

这是我在 warnings() 中得到的五十次：-

1: In eval(expr, envir, enclos) :
  model fit failed for Fold01.Rep01: layer1=1, layer2=0, layer3=0 Error in neuralnet(form, data = data, hidden = nodes, ...) : 
  formal argument "hidden" matched by multiple actual arguments

2: In data.frame(..., check.names = FALSE) :
  row names were found from a short variable and have been discarded
3: In eval(expr, envir, enclos) :
  model fit failed for Fold01.Rep01: layer1=3, layer2=0, layer3=0 Error in neuralnet(form, data = data, hidden = nodes, ...) : 
  formal argument "hidden" matched by multiple actual arguments

4: In data.frame(..., check.names = FALSE) :
  row names were found from a short variable and have been discarded
5: In eval(expr, envir, enclos) :
  model fit failed for Fold01.Rep01: layer1=5, layer2=0, layer3=0 Error in neuralnet(form, data = data, hidden = nodes, ...) : 
  formal argument "hidden" matched by multiple actual arguments

谢谢！

4

1 回答 1

1

从错误消息中，“隐藏”参数未正确匹配。查看文档，只有三个训练参数method = "neuralnet", layer1, layer2, layer3。查看链接并使用不同的 a 方法，您可以在其中指定所需的参数。

于 2014-02-09T21:24:03.327 回答