Нейронная сеть на основе алгоритма монотонного многослойного перцептрона (R)

Свойства, которые можно настроить для алгоритма монотонного многослойного перцептрона (R).

Синтаксис Этот алгоритм применяется для прогнозирования, классификации и распознавания статистических моделей с использованием функций библиотеки R.
Примечание Библиотека R не поддерживает хранение нейронной сети на основе алгоритма монотонного многослойного перцептрона в формате PMML.
Свойства нейронной сети на основе алгоритма монотонного многослойного перцептрона (R)
Таблица 1: Свойства алгоритма
Свойство Описание
Режим вывода Выберите режим, в котором требуется использовать выходные данные этого алгоритма.
Возможные значения:
  • Тренд: Прогнозирование значений в зависимом столбце и добавление дополнительного столбца для выходных данных, в котором будут представлены прогнозные значения.
  • Заполнение: Заполнение отсутствующих значений в целевом столбце.
Функции Выберите столбцы ввода, для которых будет выполняться анализ.
Целевая переменная Выберите целевой столбец, для которого будет выполняться анализ.
Нейроны скрытого слоя 1 Введите число узлов или нейронов на первом скрытом слое (hidden1). По умолчанию это значение равно 5.
Имя столбца прогноза Введите имя создаваемого столбца, который содержит прогнозные значения.
Передаточная функция скрытого слоя Выберите функцию активации для скрытого слоя (Th).
Передаточная функция выходного слоя Выберите функцию активации для выходного слоя (To).
Производная передаточной функции скрытого слоя Выберите производную для функции активации скрытого слоя (Th.prime).
Производная передаточной функции выходного слоя Выберите производную для функции активации выходного слоя (To.prime).
Нейроны скрытого слоя 2 Введите число узлов или нейронов на втором скрытом слое (hidden2). По умолчанию это значение равно 0.
Максимальное число итераций Введите максимальное число итераций для алгоритма оптимизации (iter.max). По умолчанию это значение равно 5000.
Монотонные столбцы Введите индексы столбцов, к которым требуется применить ограничение монотонности (monotone).
Обучающие итерации Введите число обучающих итераций, после которого прекращается вычисление функции стоимости (iter.stopped).
Начальные веса Введите начальный вектор весов (init.weights).
Максимальное число исключений Введите максимальное число исключений для операции оптимизации (max.exceptions).
Масштабировать зависимый столбец Чтобы масштабировать зависимые столбцы до нулевого отклонения и единичной дисперсии перед выполнением подбора, выберите True (scale.y).
Требуется использовать метод случайных подвыборок Чтобы использовать метод случайных подвыборок (bag), выберите True.
Число испытаний для исключения локальных минимумов Введите число повторных испытаний для исключения локальных минимумов (n.trials).
Число элементов совокупности Введите число элементов совокупности для подбора (n.ensemble).