问题标签 [nnet]

I am trying to create an ROC plot for a neural net. I can't seem to get it to work. I get the error. I am using the packages nnet, and verification for the ROC curve.

zero-length 'labels' specified

The Code for the ROC is:

The Out sample code is:

dput code for the 30 obs is: newdata <- cleanDataFrame[2:10] set.seed(10) (newdata[sample(1:nrow(newdata), 30),])

The recession variable in this sample did not contain any 1's. I arbitrarily added a 1 to to the last observation to ensure the code works.

作为个人项目的一部分，我正在尝试使用我自己的数据修改 Theano 文档（多层感知器）中给出的示例代码。

到目前为止，我设法以所需的格式带来了我自己的（文本）数据，并且我想构建一个二进制分类器。问题是当我写输出的数量是 1 即

我收到以下错误：

我的训练数据的输出（在转换为 theano 共享类型之前）是这样的：

奇怪的是，如果我使用超过 1 的任何输出神经元（例如 n_out=2）作为输出神经元，代码运行时没有任何错误，但当然现在有许多输出神经元没有实际意义。

有人可以解释为什么带有二进制输出的代码似乎给了我一个错误吗？我怎样才能得到这个工作？

谢谢！

首先，很抱歉重新发布，但我添加了一个示例代码来解释我的请求。希望这更清楚。

在使用“multinom”函数（包 nnet）将多项模型拟合到我的数据后，我想展示所选变量控制其他变量值的效果。我知道“效果”包主要做我想要的，但我希望能够自己计算预测误差（置信区间）。有人能告诉我方法，如果可能的话，R代码？我认为我们应该使用 delta 方法，但我不确定在这种情况下如何应用它。

这是一个小示例代码（基于效果包中可用的数据）

我唯一需要的是能够计算此图中显示的错误值！

先感谢您，

我需要varImp在由 nnet 方法通过插入符号创建的神经网络模型上使用函数。

编码：

当我尝试使用varImp时出现错误：

我用不同数量的神经元做了几次测试。当神经元数量（大小参数）大于 9 时，似乎会发生错误。如何解决？

我正在使用带有 method='nnet' 的 caret 包的 train() 函数，并且我已经使用 doMC 注册了 6 个内核。但它只使用一个核心。

这是我的代码：

尽管此链接上的答案表明可以使用所有已注册的核心。我能看到的唯一区别是

即他使用“引导”方法进行重采样。

这是否意味着插入符号仅使用多核进行重采样，并且在不使用任何重采样技术的情况下我们无法并行训练神经网络？

我正在尝试编辑 R 'nnet' 包。我做了一些探索，但对 R 本身不够熟悉，以至于无法取得任何进展。

我已经尝试过trace("nnet", edit=TRUE)，如上一篇文章中所述。这导致编辑器被打开并显示：

我不完全确定该怎么办......

我还发现它是“VR Bundle”的一部分；此处建议打开源包以查看代码，但不知道a）如何执行此操作或b）是否可以实现任何目标，因为我需要修改和运行代码..

我的目标是添加/修改一个参数minIt，以确保在训练终止之前达到最少的 epoch 数。

谢谢！

谁能告诉我如何使用 R 中的函数 nnet 来约束神经网络的输出和选定变量，以使特征的影响是积极的。我有一个具有数值（表面、价格）和分类值的数据库（房地产） （停车 Y/N、区号等）。模型的输出是价格。问题是，该模型目前估计，在一些地区代码中，有停车位的房屋价值低于没有停车位的房屋。我想限制输出（价格），以便在每个区号中，停车位对价格的影响是积极的。当然，带停车位的小房子仍然比没有停车位的大房子便宜。

示例数据（80.000 个观察值）：

（感谢您以体面的格式放置表格）

我使用 nnet 在 R 中对此进行了建模。

我使用 nnet 是因为我希望为每个区号的停车位找到不同的值。如果有更好的方法，请告诉我们。

我在 Windows XP 上使用 RStudio 版本 0.98.976（是的，我知道；）

提前感谢您的回复

我正在尝试在 R 中使用 nnet，但在使用 softmax 时遇到了问题。

我正在尝试构建一个三层网络，输入层有 25 个神经元，隐藏层有 25 个神经元，输出层只有一个神经元。这是重现问题的方法。

当我运行这段代码时，我得到了一个错误：

“需要至少两个响应类别”是什么意思？以及如何解决？谢谢。

我的问题是关于典型的前馈单隐藏层反向传播神经网络，在 nnet 包中实现，并train()在包插入符中进行训练。这与这个问题有关，但在 R 中的 nnet 和 caret 包的上下文中。

我用一个简单的回归示例演示了这个问题，其中Y = sin(X) + small error：

1. raw Y ~ raw X:预测的输出在 raw 处一致为零Y < 0。

2. scaled Y (to 0-1) ~ raw X：解决方案看起来很棒；请参阅下面的代码。

代码如下

在插入符号中使用train()时，有一个 preProcess 选项，但它只缩放输入。train(..., method = "nnet", ...)似乎正在使用原始Y值；请参阅下面的代码。

当然，我可以将Y变量线性变换为正范围，但是我的预测将在错误的范围内。虽然这只是一个小麻烦，但我想知道当输出具有负值时，是否有更好的解决方案来训练带有插入符号的 nnet 或 avNNet 模型。

我正在学习如何使用和解释Rmultinom()中包的输出nnet。我用于练习的数据集包含一些缺失值的变量。我相信在使用这个函数时，包含缺失值的观测值会被排除在多项式回归之外。我想知道如何获得模型中包含的观察数。

大约一年前提出了一个类似的问题（如何在 R 中运行 multinom() 后更改输出），但问题的这个特定方面没有得到回答。我希望这次有人会给出答案。

我的数据集包含 42 个变量和 593 个观察值。为了说明我的问题，我运行了一个模型，其中包含感兴趣的结果（4 个组）和 3 个协变量（2 个带有一些缺失值）。

输出是：

由此，我需要编写什么命令来获取分析的观察次数？有什么建议么？

谢谢