问题标签 [nnet]

我正在尝试使用“caret”包中的“train”函数来训练神经网络模型。但是它给出了很多警告并且没有显示准​​确度SD。我不确定是否必须设置任何参数才能看到 Accuracy SD。

我对 R 比较陌生，所以如果我遗漏了一些明显的东西，请原谅。

这是我的代码：

以下是我在执行代码时收到的警告示例：

49：在 eval(expr, envir, enclos) 中：Fold10.Rep1 的模型拟合失败：size=9，decay=1e-03 nnet.default(x, y, w, softmax = TRUE, ...) 中的错误：太多 (1049) 权重

50：在 eval(expr, envir, enclos) 中：Fold10.Rep1 的模型拟合失败：size=9, decay=1e-04 nnet.default(x, y, w, softmax = TRUE, ...) 中的错误：太多 (1049) 个权重*

代码的输出列出了神经网络的大小、衰减、准确度和 Kappa。

如果您能帮助我了解什么是衰变和 kappa，我也将不胜感激。

所以我正在尝试学习如何使用 Theano 并专门将其用于神经网络。我在 Windows 10 系统上，使用 mingw64 和安装页面中的所有其他必需文件（Microsoft Visual Studio 和 cuda 除外，因为我不打算使用我的 GPU）。一切似乎都正常，本教程的“婴儿步骤”部分运行良好。但是，当我尝试运行以下代码时，会得到一些奇怪的结果-

出现以下错误：

当我尝试在没有 get_value() 的情况下引用 W 时，即 print(theano.dot(self.W, self.WT)) 我得到 dot.0 的返回值。

我错过了什么？

我正在利用 Titanic 数据集来执行一些神经网络练习。我将数据集分成训练和测试。我将火车分成 80% 和 20% 进行训练。清理完所有东西后，我开始训练。这是我的训练代码。

之后我去用这段代码预测......

train.20.survived没有幸存的变量。现在我想用这段代码打印我的混淆矩阵......

结果如下......

如果我安慰出pred值是1and 2。我如何强制predict匹配0和1变量一样，Survived以便表格可以在视觉上匹配？

我试图在足球比赛的博彩公司赔率中检验市场效率假设。我用 mlgit 包估计了一个多项式 logit 模型：

模型：结果=log(P1/Px)+log(P2/Px)

其中 P1 是主场获胜的隐含赌注概率，Px 是平局的隐含赌注概率，等等。平局 (x) 是参考类别。

现在我想对以下假设使用基于可能性的检验（LR、Wald 或 LM）：

H0: β1=(0,1,0), β2=(0,0,1)

即：在零假设下，两个回归的截距系数均为 0。当 y=homewin 时，主场胜利的 logit 系数为 1，当 y=客场胜利时为 0。y=主场胜利时客场胜利的logit系数为0，y=客场胜利时为1。

我无法理解如何拟合约束模型（H0 模型），我将从中提取对数似然以与从 LR 测试中的 ML 估计模型收到的同上进行比较。

我已经尝试按照第 57 页的说明进行操作： https ://cran.r-project.org/web/packages/mlogit/vignettes/mlogit.pdf

但我不明白如何使用 update() 函数指定我的 H0 模型。可能吗？

如果您知道如何使用 nnet (multinom) 包（可能使用“offset”）进行等效测试，那么也非常感谢您解释如何做到这一点。

谢谢你的帮助！

我正在用一些简单的例子来尝试图书馆 nnet。

它似乎运作良好，但当我尝试

我得到这样的情节

而不是预期的：（ 来自我老师发给我的练习。你也可以在几个网站上找到这个练习）。

这是一个错误还是我做错了什么？

我知道可能会有一些变化，但这很奇怪。

我正在使用 生成多项模型nnet，其中一个模型适合数据集中的每个城市。当我尝试使用tidy这些模型时，我收到以下错误：

但是，如果我为每个城市分别制作一个模型，然后使用，tidy我不会收到任何模型的错误。我也可以毫无错误地使用glace。

什么可能导致此错误？

这是我在 R 中使用机器学习范式的第一次尝试。我正在使用行星数据集（网址：https ://www.kaggle.com/mrisdal/open-exoplanet-catalogue ），我只是想预测一个行星的大小基于其太阳的大小。这是我目前拥有的代码，使用 nnet()：

当我打印 nnet_newdata 时，我会为数据中的每一行得到一个值，但我并不真正理解这些值的含义。这是使用 nnet() 包预测简单回归的正确方法吗？

谢谢

我真的很想理解为什么两段代码不会产生相同的模型。为了创建第一个神经网络（NN1），我train在 Caret 包的函数中使用（下面的代码）交叉验证来找到最佳参数。包的小插图的第 2 页表明它将“使用最佳参数集将最终模型拟合到所有训练数据”。

因此，在下面的代码中，我希望 NN1 能够反映具有最佳参数的完整训练集，这些参数恰好是 size=5 和 decay=0.1。

我的计划是使用此步骤中的参数创建一个模型，并使用组合的训练和测试数据投入生产。在我创建这个生产模型之前，我想确保我train正确地使用了函数的输出。

所以我创建了第二个模型（NN2），带有训练功能但没有调整。相反，我指定了参数 size=5 和 decay=0.1。使用相同的数据、相同的参数（和相同的种子），我期望相同的模型，但事实并非如此。为什么这些型号不一样？

这是结果

我对神经网络世界很陌生，所以我请求你的理解。我正在生成一些测试，因此我对参数size和decay. 我使用caret包和方法nnet。示例数据集：

所以，有两个是我的问题。首先，这是使用插入符号使用 nnet 方法的最佳方法吗？其次，我已经阅读了有关大小和衰减的信息（例如，R 中 nnet 函数中衰减参数的目的？）但我不明白如何在实践中使用它们这里。任何人都可以帮忙吗？

我有一个如下所示的数据框：

我们正试图找出哪个目标更有可能在源上交付。下面的数据框显示了在哪些来源上交付了哪些目标的历史数据。我想使用神经网络来预测哪个目标更有可能在源上购买。这也是可重现的。

该数据集是 415 个数据点的子集。

我做的第一件事是使用 将class.ind分类变量转换为虚拟变量。然后从那里我创建一个有助于预测目标的神经网络模型。

1）我如何预测这个例子？

2）我如何用神经网络包重现这个？

3）我希望能够使用学习率等参数，但在nnet包中似乎找不到，以便我以后可以修改所有内容。

任何指导都会非常有帮助！