R de rede neural NNet

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

Sintaxe Use este algoritmo para previsão, classificação e reconhecimento de padrão estatístico usando as funções da biblioteca R.
Propriedades do algoritmo R de rede neural NNet
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.
Valores em falta Selecione o método para manipulação dos valores em falta.
Valores possíveis:
  • Ignorar: o algoritmo ignora os registros que contenham os valores em falta na coluna independente ou dependente.
  • Manter: O algoritmo retém valores em falta.
  • Parar: o algoritmo para se um valor estiver em falta na coluna independente ou na coluna dependente.
Neurônios da camada oculta Insira o número de nós/neurônios na camada oculta. O valor predeterminado é 5.
Nome da coluna prevista Insira um nome para a coluna recém criada que contenha os valores previstos.
Tipo de algoritmo Selecione o tipo de análise que deseja que o algoritmo execute.
Ignorar camada oculta Para adicionar conexões skip-layer da entrada para a saída, selecione Verdadeiro.
Saída linear Para obter uma saída linear, selecione Verdadeiro. Se você selecionar o tipo de algoritmo Classificação, este valor deverá ser verdadeiro.
Usar Softmax Selecione Verdadeiro para utilizar os ajustes "modelo de log linear" e "probabilidade condicional máxima".

Linout, entropy, softmax e censored são mutuamente excludentes.

Usar entropia Para utilizar o ajuste de "probabilidade condicional máxima", selecione Verdadeiro. Por padrão, o algoritmo usa o método dos mínimos quadrados.
Valores possíveis:
  • Verdadeiro: use o ajuste "probabilidade condicional máxima".
  • Falso: use o método dos mínimos quadrados.
Usar Censored Para softmax, uma linha de (0,1,1) indica um exemplo das classes 2 e 3, mas para censored, indica um exemplo das classes 2 ou 3.
Intervalo Insira pesos iniciais aleatórios [-rang, rang]. Defina este valor como 0,5 a menos que a entrada seja grande. Se a entrada for grande, escolha o intervalo usando a fórmula: rang * max(|x|) <= 1.
Decaimento de peso Insira um valor usado para cálculo de novos pesos (weight decay).
Iterações máximas Insira o número máximo de iterações permitidas.
Matriz hessiana necessária Para retornar uma medida hessiana no melhor conjunto de pesos, selecione Verdadeiro.
Pesos máximos

Insira o número máximo de pesos permitidos no cálculo.

Não existe limite intrínseco no código, mas o aumento no número de pesos pode permitir ajustes que serão bem lentos e demorados.

Abstol Insira o valor que indica o ajuste perfeito (abstol).
Reltol O algoritmo termina se o otimizador não puder reduzir os critérios de ajuste pelo fator: 1 - reltol.
Contrastes Insira a lista de contrastes a ser usada para fatores que aparecem como variáveis no modelo.