0

我知道这是一个奇怪的问题，我什至不能给出 MRE，但希望其他人也遇到过类似的问题并解决了它，我发布了这个问题。

我一直在使用 Rattle 和所有可用的模型。我想单独使用 nnet，自己检查结果并更好地控制参数。

在某些时候，我打开了熵开关（我没有那么多变量和因素），这导致了错误。我将开关转回默认值（FALSE），但从那时起 nnet 就再也无法正常工作。即使在 Rattle 内部，它也不适用于我使用了 100 次的训练集。我能够得到概率分数，现在 Rattle 给了我所有其他模型的概率分数，但不是 nnet。Nnet 仍然产生二进制输出，即使在 Rattle Score 选项中选择了“概率”。

有没有人遇到过类似的nnet问题？

编辑：代码部分是：

mnnet <- nnet(response1 ~ ., data=dftr, size=10, skip=TRUE, MaxNWts=100000, trace=FALSE, maxit=100)

增加 MaxNWts 似乎正在解决错误，too many weights但现在需要很长时间才能运行并消耗大量内存。使用相同的数据集，我能够在不到一分钟的循环中运行许多训练规模的可能性。（我在 16GB 的 Mac Book Pro 上）我们谈论的是一组约 10000 行和大约 20 个功能。

以前完美运行的示例代码：

pldata <- data.frame(nobs = NA,
                 ntrain = NA,
                 ntest = NA,
                 error = NA
)
#
obssize <- seq(0.8, 1.0, 0.1)
trsize <- seq(0.5, 0.8, 0.05)
#
set.seed(1234)
for (i in obssize){
  ind1 <- sample(nrow(df), i * nrow(df))
  dfp <- df[ind1,]
  size <- nrow(dfp)
  for (j in trsize){
    ind2 <- sample(nrow(dfp), j * nrow(dfp))
    dftr <- dfp[ind2, ]
    dftest <- dfp[-ind2, ]
    mnnet <- nnet(response1 ~ ., data=dftr, size=20, skip=TRUE, MaxNWts=10000, trace=FALSE, maxit=100)
    nnetp <- predict(mnnet, newdata = dftest)
    nnetp <- factor(nnetp, levels = levels(dftr$response1))
    cfm <- table(nnetp, dftest$response1)
    mcrate <- (length(nnetp) - sum(diag(cfm))) / length(nnetp)
    trainsize <- nrow(dftr)
    testsize <- nrow(dftest)
    temp <- data.frame(nobs = size, ntrain = trainsize, ntest =  testsize, error = mcrate)
    pldata <- rbind(pldata, temp)           
  }
}
#
pldata <- pldata[2:nrow(pldata),]

现在模型构建部分不起作用，更不用说把它放在一个循环中了。

编辑2：检查参数并发布发生了什么：

mnnet <- nnet(response1 ~ ., data=dftr, size=10, skip=TRUE, MaxNWts=100000, trace=FALSE, maxit=100, entropy = FALSE)

> mnnet$entropy

[1] TRUE

一旦熵设置为“真”，似乎不可能将其设置回默认值。

4

0 回答 0