问题标签 [nnet]

您好，提前致谢。我caret用来交叉验证包中的神经网络nnet。在函数的method参数中，trainControl我可以指定我的交叉验证类型，但所有这些都随机选择观察结果进行交叉验证。无论如何，我可以使用插入符号通过 ID 或硬编码参数对数据中的特定观察结果进行交叉验证吗？例如，这是我当前的代码：

假设我想CV_GROUP在iris数据框中添加另一列，并且我希望插入符号交叉验证神经网络的观察值，1该列的值为：

这可能caret吗？

我目前在大学做一个项目。使用神经网络评估 KDD 99 集。我在 R 库中使用 nnet。但是，KDD 99 有 23 种攻击类型，我的网正在学习对其进行分类。我如何评估它的准确性？我的意思是混淆矩阵适用于 2 类问题，如果不是，则最多 3 类。有没有办法评估我的 nnet 模型？谢谢。

我正在尝试估计一个 multinom() 模型，然后获取模型 data.frame。

在函数之外，这工作正常。但是当我尝试在函数中这样做时， data.frame() 步骤会引发错误。

下面是应该隔离问题的示例代码：

最后一行产生这个：

当我运行 traceback() 时，我得到了这个：

这是范围界定问题吗？有解决方法吗？

I fitted a mutinomial model using nnet's multinom function using (in this case on data giving the diet preference of male and female and different size classes of alligators in different lakes) :

The overall significance of my factors I can get using

And effect plots I got e.g. for factor "lake" using

In addition to the overall Anova tests I would also like to also carry out pairwise Tukey posthoc tests though to test for overall differences in the multinomial distribution of which prey items are eaten, e.g. across different pairs of lakes.

I first thought of using function glht in package multcomp but this does not appear to work, e.g. for factor lake:

Alternative was to use package lsmeans for this, for which I tried

This carries out tests for differences in the proportion of each specific type of food item though.

I was wondering if it would also be possible in one way or another to obtain Tukey posthoc tests in which the overall multinomial distributions are compared across the different lakes, i.e. where differences are tested for in the proportion of any of the prey items eaten? I tried with

but that doesn't seem to work:

Any thoughts?

Or would anyone know how glht could be made to work for multinom models?

我有以下数据集。结果变量为State，共有3种类型。变量和样本数据如下：

结果变量分为三类 P、N、V。

我必须通过使用这些数据来预测未知数据的状态。我已经将数据和 R 中的模型与一组进行了划分，并与另一组进行了检查。

在 R 中尝试了以下模型：

我想提高准确性。请建议我使用 R 中的任何算法来提高这种多类数据的准确性。我尝试过简单的 svm、nnet，但准确度没有任何提高。还请解释需要对建议模型中的参数进行哪些微调。如果提供任何链接，我可以共享数据集。感谢期待。

在 multinom() 进行多项 logit 回归后，我遇到了 predict() 问题。我用 model.matrix() 生成一个设计矩阵并用它来估计模型。然后，如果我将整个设计矩阵传递给 predict()，它会返回与 fit() 相同的输出，这是预期的。但是如果我只传递设计矩阵的几行，它就会抛出这个错误：

这是一个最小的例子：

我的实际目标是样本外预测，但我无法让它工作，并且在调试它时，我将其简化为这个问题。

我的主要问题是： 的predict()函数给出了哪些概率mnlogit()，它与包nnet和的概率有何不同mlogit？

在某些背景下，我尝试仅根据个别特定变量对结果进行建模，因为我不知道我的选择者的替代方案。对于给定的模型，我可以从所有三个模型中得到相同的预测概率，但mnlogit给出了几组概率，其中第一组与其他包给出的概率相似。看着 的小插图mnlogit，我知道我可以得到个别的特定概率，但我不认为那些是我提取的（？），我也不认为指定模型来获得这些概率。

查看下面的示例（不是最紧凑的示例，而是我在学习这些函数时使用的示例），您可以看到它mnlogit给出了几组概率。

ps！随意添加标签“mnlogit”！

我正在使用包caret来训练一个 nnet 分类模型。默认的 sigmoid(logistic) 传递函数运行良好。我试图使用线性传递函数进行一些比较。但我得到了一个错误。

我发现有趣的是：如果目标变量有2个以上的类，线性传递函数是可以的；但如果目标变量有 2 个类，它会失败。

以下是一些示例代码：

这是错误消息：

我不知道是什么问题。有什么建议么？谢谢！

我正在尝试将“大”因素转换为 R 中的一组指标（即虚拟、二进制、标志）变量，如下所示：

哪里FinelineNumber是 Kaggle.com 当前沃尔玛竞赛的 5,000 级因子（如果您想重现此错误，数据是公开的）。

我不断收到这个令人担忧的警告：

In n * (unclass(cl) - 1L) : NAs produced by integer overflow

系统可用的内存基本上是无限的。我不确定问题是什么。

我在分类问题中使用带有 nnet 方法的 caret 包，我想知道 nnet 中用于停止训练以避免过度拟合的停止标准是什么。

我做了一些研究，我发现在 RSNNS 包中没有实现停止标准，但它被考虑用于未来的工作，请在此处查看：https ://www.jstatsoft.org/index.php/jss/article/查看/v046i07/v46i07.pdf

但是对于 nnet 包，我没有找到任何关于使用的停止标准的信息，或者它是否使用了一个。所以，我的问题是。nnet 包中使用的停止标准是什么？

谢谢！！！