Red neuronal NNet R

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

Sintaxis Use este algoritmo para pronosticar, clasificar y reconocer los patrones estadísticos mediante las funciones de la biblioteca R.
Propiedades de la red neuronal R-NNet
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.
Valores faltantes Seleccione el método para manejar los valores perdidos.
Valores posibles:
  • Omitir: el algoritmo omite los registros que contienen valores faltantes en las columnas independientes o dependientes.
  • Conservar: El algoritmo conserva valores faltantes.
  • Detener: el algoritmo se detiene si falta un valor en la columna independiente o en la columna dependiente.
Neuronas de capa oculta Introduzca el número de neuronas/nodos en la capa oculta. El valor predeterminado es 5.
Nombre de columna prevista Introduzca un nombre para la columna recién creada que contiene los valores previstos.
Tipo de algoritmo: Seleccione el tipo de análisis que desee que ejecute el algoritmo.
Omitir capa oculta Para agregar conexiones de capa de omisión desde la entrada a la salida (skip), seleccione True.
Salida lineal Para obtener una salida lineal (linout), seleccione True. Si selecciona el tipo de análisis de Clasificación, este valor debe establecerse en True.
Usar Softmax Seleccione True para usar los ajustes "modelos de registro lineal" y "probabilidad condicional máxima" .

Las opciones salida lineal (linout), entropía, softmax y censurado se excluyen entre sí.

Usar entropía Para usar el ajuste "probabilidad condicional máxima", seleccione True. De forma predeterminada, el algoritmo usa el método de mínimos cuadrados.
Valores posibles:
  • True: use el ajuste "modelos de registro lineal"
  • False: use el método de mínimos cuadrados
Usar censurado Para softmax, una fila de (0,1,1) indica un ejemplo de cada clase 2 y 3, pero para censurado indica un ejemplo de cada clase 2 o 3.
Rango Introduzca el rango inicial de pesos aleatorios [-rang, rang]. Establezca este valor en 0,5 a menos que la entrada sea grande. Si la entrada de datos es grande, elija el intervalo mediante la fórmula: rang * max(|x|) <= 1.
Caída de peso Introduzca un valor para calcular pesos nuevos (caída de peso).
Repeticiones máximas Introduzca el número máximo de repeticiones permitidas.
Matriz Hessian necesaria Para devolver al indicador Hessian al mejor conjunto de pesos, seleccione True.
Pesos máximos

Introduzca el número máximo de pesos permitidos en el cálculo.

No hay ningún límite intrínseco en el código, pero incrementar el número máximo de pesos puede resultar en un funcionamiento más lento y mayor consumo de tiempo.

Abstol Introduzca el valor que indica el ajuste perfecto (abstol).
Reltol El algoritmo finaliza si el optimizador no puede reducir los criterios de ajuste por un factor: 1 - reltol.
Contrastes Introduzca la lista de contrastes que se va a usar para factores que aparezcan como variables en el modelo.