问题标签 [nnet]

我需要使用插入符号中的 nnet 训练的回归神经网络的每个节点的权重和偏差值。是否可以将此值导出到 csv？

我需要在 R 中通过神经网络做一些工作，并检查了 nnet 包和神经网络包。为了理解 nnet 包提供的功能，我基于 iris 数据集编写了以下代码：

但是，无论我如何更改代码或数据集，我总是得到类似于以下部分的结果：

V1 特征应该是 1,2,3（这是目标变量）的混合，而不是只有 1。有人对我的代码有任何想法吗？

我有下面的脚本可以很好地与 ctree 模型/派对包一起使用。当我将它与 NNET 模型/包交换时，varImp 和 plot(final model) 会引发错误。我的“假设”是 caret 包中的辅助函数适用于所有支持的模型。

我正在使用 nnet 包中的 multinom 来将逻辑回归模型拟合到由 3 个类组成的数据，但是这些类的普遍性并不平衡。我想分配权重/惩罚，以告诉模型避免对某个类别进行错误分类。这是我的代码和一部分数据：

任何人都知道如何分配错误分类处罚？具体来说，我想分配一个 10:5:1 的惩罚比（对应于 1,2,3 类），这意味着我真的很喜欢在 1 类上准确。我的目标变量 cut.rank 的分布是 ~ 0.04,0.08， 0.88。由于第 1 类的流行率较低，因此该类的模型敏感性较低。

我对 R 很陌生，想知道 nnet 包中用于拟合逻辑回归模型的函数 multinom 是否能够分配权重/惩罚，以便告诉模型避免对某个类进行错误分类。我有三个类，它们的分布差异很大，导致数据集非常不平衡。这就是为什么我认为权重/惩罚可以迫使模型在课堂上更准确，而且流行度较低。这是电话：

我已经使用 nnet 在 RStudio 中成功创建了模型。
但现在我需要用 Java 对其进行编码。我想我可以取权重（wts）并建立激活函数所需的方程，但我希望有人已经编写了一个函数来做到这一点。

人们通常如何使用他们的 R 模型并在 C、Java 等中实现它们？

ETC...

也许以前有人问过这个问题，但数小时的谷歌搜索并没有揭示答案。

感谢您的帮助。我非常感激。

我在 nnet 包中使用 multinom 方法，我需要根据类的比例对它们进行不同的加权。我什至有我的比例。

问题是如何为 multinom 方法指定权重参数？如果我只是指定一个列表，它如何将实际类映射到权重？

我试图用 R 上的包 nnet 拟合一些数据。训练神经网络后，我想预测一些值，但如果我重新训练网络并再次预测，我会得到显着不同的值。

这是一个复制/粘贴的可重现代码，看看我在说什么。

如果您重新运行星号行下方的代码，您可以看到每次运行时预测值的显着差异。这里有两个图，您可以在其中看到我所指的内容：

情节 1

情节 2

我尝试更改隐藏神经元的数量和最大迭代次数，但我得到了相同的行为。

我是 R 神经网络和一般神经网络的新手，所以我不知道我是否遗漏了代码或问题的一般方法。我知道 ANN 可能会陷入局部最小值，但我认为他们不应该每次都预测如此不同的值。

请让我理解我做错了什么，因为这只是我想做的许多模型中的一个，我真的很想理解 ANN。

R 文档说nnet::class.ind()从给定的因素生成一个类指示函数。

它是否将一个因素转换为一些二元分类？

我们何时以及为何使用此功能？请给我一些例子。

任何帮助表示赞赏。谢谢你。

我有一段使用 nnet 包的代码，我有兴趣计算许多不同的神经网络模型，然后将所有模型保存到磁盘（使用 save() ）。

我遇到的问题是神经网络中的“术语”元素有一个属性“.Environment”，最终达到数百兆字节，而模型的其余部分只有几千字节。（一旦拟合值和残差被删除）

此外，删除“.Environment”属性似乎不会在使用带有“预测”的模型方面造成问题。

有谁知道 R 或 nnet 对这个属性做了什么？有没有人见过这样的事情？