问题标签 [nnet]

我是神经网络的新手，我对使用 nnet 包进行分类有疑问。

我的数据是数字和分类变量的混合。我想通过使用 nnet 和函数调用来进行输赢预测，例如

但这与我使用仅具有变量数字版本的数据框（即将所有因子转换为数字（我的预测 WL 除外））的结果不同。

有人可以向我解释这里发生了什么吗？我猜 nnet 正在解释不同的变量，但我想了解正在发生的事情。我很欣赏没有任何数据来重现问题的困难，但我只是在看一个关于如何使用 nnet 拟合神经网络的高级解释。我在任何地方都找不到这个。非常感谢。

对比

我正在使用 R 中 nnet 包中的nnet函数包。我正在尝试设置MaxNWts参数，并且想知道将这个数字设置为像 10^8 这样的大值是否有任何缺点。文档说

“允许的最大权重数量。代码中没有内在限制，但增加 MaxNWts 可能会允许非常缓慢且耗时的拟合。”

我还通过以下计算来计算尺寸参数

size = Math.Sqrt(%No of Input Nodes% * %No of Output Nodes%)

问题是，如果我将 "MaxNWts" 设置为 10000 之类的值，有时会失败，因为在处理大量数据集时系数的数量 > 10000。

编辑

有没有办法以某种方式计算 wts 的数量（以获得由 R nnet 计算的相同数字），以便我每次都可以明确设置它而不必担心失败？

建议？

这个问题应该很简单。但是文档没有帮助。

我正在使用 R。我必须将neuralnet包用于多项分类问题。

所有示例均适用于二项式或线性输出。我可以使用二项式输出做一些一对多的实现。但我相信我应该能够通过将 3 个单元作为输出层来做到这一点，其中每个单元都是二项式（即正确输出的概率）。不？

这就是我将使用的nnet（我相信它正在做我想要的）：

这就是我正在尝试使用neuralnet的（公式破解是因为neuralnet似乎不支持.公式中的 ' ' 符号）：

我有像这种形式的数据集Nam，它有 349 的观察结果，我想nnet用predict close_price.

通过这句话，我想我做了一个函数来预测close_price。

我希望p是 的预测值close_price，但它只有 1 的值。为什么没有p的连续值close_price？

我有一个需要分类的三类问题。我想在nnet包中使用多项逻辑回归。班级结果有 3 个因素，P、Q、R。我想将 Q 作为基本因素。

所以我试着把它写成这样的对比：

检查了它：

现在multinom()：

输出：

问题：
如您所见，由于 P 类没有出现在输出中，这意味着在处理 R 中的因子变量时，它被视为按字母顺序排列的第一个基类，而 Q 类没有被视为在这种情况下，基础级别，如何使其以其他两个级别为基础？

我第一次使用 nnet，玩过网络上的基本示例，但无法使用虚拟玩具数据集确定其输出。使用正态分布的 2 个变量对两类（信号和背景）进行简单区分。

以下代码可以在 R（3.0 版）中复制和粘贴：

在查看 sigNNPred 时，我只有零！

所以要么我的 NN 的配置不高效，要么我看错了。

欢迎任何提示。

提前致谢，

泽维尔

在R中，给定多项线性 logit 回归，我需要在给定一些预测变量值的情况下获得条件概率。

例如，使用multinom包中的函数nnet，想象有计算fit <- multinom(response ~ predictor)。从fit，给定预测变量的某个值，如何获得不同响应类别的概率权重？

我想过使用类似的东西predict(fit,newdata,type=???)，但我不知道如何继续。

根据multinom, package的帮助nnet，“响应应该是具有 K 列的因子或矩阵，这将被解释为每个 K 类的计数。” 我尝试在第二种情况下使用这个函数，得到一个错误。

这是我所做的示例代码：

在这里我得到：

我怎么解决这个问题？

额外的问题：我还注意到我们可以使用带有因子预测器的多项式，例如predictor <- factor(c(1,2,2,3,1,2,3,3,1,2)). 我无法理解这在数学上是如何可能的，因为多项式线性 logit 回归应该只适用于连续或二分预测变量。

这是关于 nnet 的一个老问题。但是，我没有看到这个问题的答案。

当我们使用nnet时，有时会报错如下：

例子

我正在使用 Caret Package 使用“nnet”方法训练模型。它正在工作，但我需要查看隐藏层中使用的权重。当我们直接使用 nnet 函数时，这是可能的：

使用 caret 包时如何查看权重？