R de rede neural MONMLP

As propriedades que podem ser configuradas para o algoritmo R de rede neural MONMLP.

Sintaxe Use este algoritmo para previsão, classificação e reconhecimento de padrão estatístico usando as funções da biblioteca R.
Nota R não suporta armazenamento PMML para rede neural MONMLP.
Propriedades do algoritmo R de rede neural MONMLP
Tabela 1: Propriedades do algoritmo
Propriedade Descrição
Modo de saída Selecione o modo em que você deseja usar a saída deste algoritmo.
Valores possíveis:
  • Tendência: prevê os valores da coluna dependente e adiciona uma coluna extra à saída que contenha os valores previstos.
  • Preenchimento: preenche os valores em falta na coluna de destino.
Recursos Selecione as colunas de entrada com as quais você deseja executar a análise.
Variável de destino Selecione a coluna de destino com a qual você deseja executar a análise.
Neurônios da camada1 oculta Insira o número de nós/neurônios na primeira camada oculta (hidden1). O valor predeterminado é 5.
Nome da coluna prevista Insira um nome para a coluna recém criada que contenha os valores previstos.
Função de transferência de camada oculta Selecione a função de ativação a ser usada para a camada oculta (Th).
Função de transferência de camada de saída Selecione a função de ativação a ser usada para a camada de saída (To).
Derivativo de função de transferência de camada oculta Selecione o derivativo da função de ativação de camada oculta (Th.prime).
Derivativo de função de transferência de camada de saída Selecione o derivativo da função de ativação de camada de saída (To.prime).
Neurônios da camada2 oculta Insira o número de nós/neurônios na segunda camada oculta (hidden2). O valor predeterminado é 0.
Iterações máximas Insira o número máximo de iterações para o algoritmo de otimização (iter.max). O valor predeterminado é 5000.
Colunas com monotonicidade Insira os índices de coluna à qual você deseja aplicar a restrição de monotonicidade (monotone).
Iterações de treinamento Insira o número de iterações de treinamento após as quais o cálculo da função de custos será interrompido (iter.stopped).
Pesos iniciais Insira um vetor de peso inicial (init.weights).
Exceções máximas Insira o número máximo de exceções para a rotina de otimização (max.exceptions).
Escalar coluna dependente Para escalar colunas dependentes até a média zero e variação unitária antes do ajuste, selecione Verdadeiro (scale.y)
Agregação bootstrap necessária Para usar a agregação bootstrap, selecione Verdadeiro (bag).
Testes para evitar mínimos locais Insira o número de testes repetidos para evitar mínimos locais (n.trials).
Número de membros do conjunto Insira o número de membros do conjunto a serem ajustados (n.ensemble)