1

我有一个如下所示的数据框：

source <- c('A','B','C','C','D','D','D','D','D','D','D','D','D','D', 'D','D','D','D','D','D')
target <- c('A1', 'A2', 'A3','A4','A5','A6','A7','A8','A9','A10','A11','A12','A13','A14','A15','A16','A17','A18','A19','A20')
df <- data.frame(source, target)

我们正试图找出哪个目标更有可能在源上交付。下面的数据框显示了在哪些来源上交付了哪些目标的历史数据。我想使用神经网络来预测哪个目标更有可能在源上购买。这也是可重现的。

   source target
1       A     A1
2       B     A2
3       C     A3
4       C     A4
5       D     A5
6       D     A6
7       D     A7
8       D     A8
9       D     A9
10      D    A10
11      D    A11
12      D    A12
13      D    A13
14      D    A14
15      D    A15
16      D    A16
17      D    A17
18      D    A18
19      D    A19
20      D    A20

该数据集是 415 个数据点的子集。

我做的第一件事是使用 将class.ind分类变量转换为虚拟变量。然后从那里我创建一个有助于预测目标的神经网络模型。

trainData <- cbind(class.ind(df$source)
trainData <- as.data.frame(trainData)
trainData2 <- cbind(trainData, df$target)
size <- length(unique(trainData2$`df$target`))
m1 <- nnet(`df$target` ~., trainData2, size=size, MaxNWts=10000)

1）我如何预测这个例子？

2）我如何用神经网络包重现这个？

3）我希望能够使用学习率等参数，但在nnet包中似乎找不到，以便我以后可以修改所有内容。

任何指导都会非常有帮助！

4

0 回答 0