Red neuronal MONMLP R

Propiedades que se pueden configurar para el algoritmo Red neuronal MONMLP R.

Sintaxis Use este algoritmo para pronosticar, clasificar y reconocer los patrones estadísticos mediante las funciones de la biblioteca R.
Nota R no admite el almacenamiento PMML para la red neuronal MONMLP.
Propiedades de la red neuronal MONMLP R
Tabla 1: Propiedades del algoritmo
Propiedad Descripción
Modo de salida Seleccione el modo en el que desea usar la salida de este algoritmo.
Valores posibles:
  • Tendencia: predice los valores para la columna dependiente y agrega una columna adicional en la salida que contiene los valores previstos.
  • Relleno: rellena los valores faltantes en la columna de destino.
Características Seleccione las columnas de entrada con las que desea realizar la regresión.
Variable de destino Seleccione la columna de destino para la que desea realizar el análisis.
Neuronas de capa 1 oculta Introduzca el número de nodos/neuronas de la primera capa oculta (hidden1). El valor predeterminado es 5.
Nombre de columna prevista Introduzca un nombre para la columna recién creada que contiene los valores previstos.
Función de transferencia de capa oculta Seleccione la función de activación que se va a usar para la capa oculta (Th).
Función de transferencia de capa de salida Seleccione la función de activación que se va a usar para la capa de salida (To).
Derivada de la función de transferencia de capa oculta Seleccione la derivada de la función de activación de la capa oculta (Th.prime).
Derivada de la función de transferencia de capa de salida Seleccione la derivada de la función de activación de la capa de salida (To.prime).
Neuronas de capa 2 oculta Introduzca el número de nodos/neuronas de la segunda capa oculta (hidden2). El valor predeterminado es 0.
Repeticiones máximas Introduzca el número máximo de repeticiones para el algoritmo de optimización (iter.max). El valor predeterminado es 5000.
Columnas monótonas Introduzca los índices de columna a los que desea aplicar la limitación de tono único (monotone).
Repeticiones de formación Introduzca el número de repeticiones de formación tras las que se detendrá el cálculo de la función de costes (iter.stopped).
Pesos iniciales Introduzca un vector de peso inicial (init.weights).
Excepciones máximas Introduzca el número máximo de excepciones para la rutina de optimización (max.exceptions).
Escalar columna dependiente Para escalar las columnas dependientes a la media cero y la varianza de unidad antes del ajuste, seleccione Verdadero (scale.y).
Empaquetado necesario Seleccione True para usar la agregación de arranque (bag).
Intentos para evitar mínimo local Introduzca el número de intentos repetidos para evitar el mínimo local (n.trials).
Número de miembros del conjunto Introduzca el número de miembros del conjunto para ajustar (n.ensemble).