问题标签 [nnet]

我正在尝试使用该nnet库从我的训练数据中创建一个多项逻辑回归模型，以查看是否可以使用它来预测我的测试数据。

我使用此脚本在 R 中设置了所有内容：

这一切都很好，功能multinom报告收敛。

要使用模型来预测对我使用的测试数据进行分类：

但是，我收到了错误Error in eval(expr, envir, enclos) : object 'V17' not found。但是，当我检查时，train.model我发现确实有一个对象“V17”

这很奇怪，我现在不知道为什么会发生错误。无论如何，为了获得更多数据，我尝试调用summary(train.model)，但这只会让 R 永远挂起。我已经尝试了 R 2.15.2 的 32b 和 64b 版本（最新的稳定版本），结果是一样的。有没有人知道我如何解决错误/挂起以及如何使用创建的模型正确预测multinom？

我正在寻找在相同数据上测试不同回归/分类算法（即 svm、nnet、rpart、randomForest、naiveBayes 等）的结果，看看哪个效果更好。但我需要让我的代码尽可能短而干净。为了测试所有算法，我想使用一次mclapply()package 调用来运行它们multicore：

问题是一些算法需要额外的参数，即nnet()需要size设置参数。当然这可以通过几个if,else命令来解决，但是有没有更简单的解决方案？

更具体地说，如何通过创建集成来改进我的预测？我的意思是我知道我们对从不同算法（随机森林、nnet、gbm、svm）获得的结果（预测）进行回归。但是我们该怎么做呢？

基本上，它是通过创建一个集合来改进预测的。但是我们如何做到这一点。有人可以解释在 R 中使用示例代码吗？我只是一个学习者。任何帮助将不胜感激。

谢谢你。

我正在尝试使用 package 在 R 中训练神经网络nnet。以下是有关我的训练数据的信息。

我已经截断了这些信息。

当我运行以下命令时：

我收到以下错误：

当我尝试更改参数中的权重时，例如：

然后我收到以下错误：

我犯了什么错误？如何避免或纠正此错误？也许问题在于我对“权重”的理解。

我是 R 的新程序员，我正在写我的论文来训练神经网络。首先，我使用 rminer 进行数据挖掘，然后使用 nnet 进行训练。现在我不知道哪个函数用于划分训练集和验证集中的数据集，因此是 k-fold 交叉验证，并且在每个使用 nnet 之后。对不起我的英语不好。提前致谢

我不明白为什么数据集的测试在 R 神经网络（nnet包）中不起作用。

我有两个具有相似结构的数据集 - 用于训练（trainset17 个案例）和预测（testset9 个案例）。每个数据集都有列：Age、Gender、Height、Weight。在测试数据集中，age未知 ( NaN)。

训练公式如下：

无论如何，如果我尝试在代码的下一个字符串中使用测试数据集进行预测，

我弄错了"No component terms, no attribute"。任何人都可以帮忙吗？

数据（通过dput()函数获得）：

• testset：

  /li>

• trainset：

  /li>

我正在尝试构建一个神经网络作为生成模型，以预测一系列向量之后的下一个向量（每个向量都是长度实数的分布n）。

我的想法是获取k先前的序列并将它们连接起来以获得kxn输入向量。为了训练模型，我将序列中的下一个向量作为输出。当我正在寻找非确定性输出时，我将使用具有低梯度的 sigmoid 激活函数。

这个程序看起来合理吗？

希望它确实如此，我尝试在 R 中同时使用nnet和neuralnet库来实现它，但是在我遇到的文档和示例中，输入和输出向量的长度似乎必须相同。在这些模块中的任何一个中训练不同长度的输入/输出向量的语法是什么？

我的输入向量的样本是：

和输出向量：

注意 上面的示例有n=5, k=3，尽管我的实际数据集有n~200. 在这两种情况下，各个向量都归一化为 1。

任何帮助深表感谢！

尝试在函数（包）产生的对象上model.avg使用包的函数时遇到问题。尽管手动列表兼容，但该函数不会像我预期的那样返回解释变量的模型平均系数。 MuMinmultinomnnetmultinommodel.avg

我知道当响应变量仅作为 2 个级别时问题不存在multinom，所以我猜这取决于生成的 multinom 对象的结构。但是，我不知道如何解决这个问题。

这是函数model.avg按预期工作的示例代码：

结果：

在这种情况下，“model.avg”函数按预期返回解释变量（即 X1-X4）的Model-averaged coefficients（列Estimate）。

现在，如果我想将其应用于multinom对象（至少具有 3 个级别的响应变量）：

结果

在这里，函数返回响应变量（即general和vocation）的不同水平的“模型平均系数”，而不是解释变量的模型平均系数。

如果这是可能的，你能告诉我如何从对象中获取Model average coefficients解释变量吗？multinom

提前谢谢了。

我正在使用 nnet 包对具有 3 个状态的目标列进行分类

但我希望它使用熵而不是默认的 softmax，当我设置 softmax=false 时，它​​会失败并出现错误：

有没有办法在这种情况下以某种方式使用熵建模？