R-NNet Neural Network (R-NNet ニューラルネットワーク)

R-NNet Neural Network アルゴリズムに設定することができるプロパティです。

構文 このアルゴリズムは、R ライブラリ関数を使用した予測、分類、および統計パターン認識を行うために使用されます。
R-NNet Neural Network (R-NNet ニューラルネットワーク) のプロパティ
表 1: アルゴリズムプロパティ
プロパティ 説明
出力モード このアルゴリズムの出力を使用するモードを選択します。
指定できる値:
  • トレンド: 依存列の値を予測して、予測値を含む出力に列を追加します。
  • 追加: ターゲット列の欠落値に文字を追加します。
機能 分析の実行で使用する入力列を選択します。
ターゲット変数 分析を実行する必要のあるターゲット列を選択します。
欠落値 欠落値の処理方法を選択します。
指定できる値:
  • 無視: 非依存列または依存列に欠落値のあるレコードがアルゴリズムでスキップされます。
  • 保持: 欠落値がアルゴリズムで保持されます。
  • 停止: 非依存列または依存列の値が欠落している場合、アルゴリズムが停止します。
非表示レイヤニューロン 非表示レイヤのノード/ニューロン数を入力します。 デフォルト値は 5 です。
予測列名 新規作成される予測値を含む列の名前を入力します。
アルゴリズムタイプ アルゴリズムで実行される分析のタイプを選択します。
非表示レイヤをスキップ 入力から出力へのスキップレイヤ接続を追加するには、True を選択します。
線形出力 線形出力を取得するには、True を選択します。 アルゴリズムタイプとして分類を選択した場合、この値は true にする必要があります。
Softmax を使用 "対数線形モデル" および "条件付き最大尤度" フィッティングを使用するには、True を選択します。

linout、entropy、softmax、および censored は相互排他的です。

Entropy を使用 "条件付き最大尤度" フィッティングを使用するには、True を選択します。 デフォルトでは、アルゴリズムによって最小二乗法が使用されます。
指定できる値:
  • True: "条件付き最大尤度" フィッティングを使用します。
  • False: 最小二乗法を使用します。
Censored を使用 softmax の場合は (0,1,1) の行が各クラス 2 および 3 の 1 つのサンプルを示し、censored の場合は各クラス 2 または 3 の 1 つのサンプルを示します。
範囲 初期ランダム加重を入力します [-rang、rang]。 入力が大きくなければ、この値を 0.5 に設定します。 入力が大きい場合は、rang * max(|x|) <= 1 の式を使用して範囲を選択します。
加重減衰 新しい加重 (加重減衰) の計算に使用する値を入力します。
最大反復数 許可される最大反復数を入力します。
ヘッセ行列必須 最善の加重セットにおけるヘッセメジャーを返すには、True を選択します。
最大加重数

計算で許可される最大加重数を入力します。

コードに固有の制限はありませんが、最大加重数が増加すると、フィットが非常に遅くなり、時間がかかる可能性があります。

Abstol パーフェクトフィットを示す値を入力します (abstol)。
Reltol オプティマイザが係数 (1 - reltol) で適合条件を緩和できない場合、アルゴリズムが終了します。
コントラスト モデルの変数として表示される係数に使用されるコントラストの一覧を入力します。