Нейронная сеть на основе алгоритма нейронной сети NNet (R)

Свойства, которые можно настроить для алгоритма нейронной сети NNet (R).

Синтаксис Этот алгоритм применяется для прогнозирования, классификации и распознавания статистических моделей с использованием функций библиотеки R.
Свойства нейронной сети на основе алгоритма нейронной сети NNet (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.
Отсутствующие значения Выберите способ обработки отсутствующих значений.
Возможные значения:
  • Игнорировать: алгоритм пропускает записи независимого или зависимого столбца, содержащие отсутствующие значения.
  • Сохранять: алгоритм сохраняет отсутствующие значения.
  • Остановить: при отсутствии значения в независимом или зависимом столбце выполнение алгоритма прекращается.
Нейроны скрытого слоя Введите число узлов или нейронов на скрытом слое. По умолчанию это значение равно 5.
Имя столбца прогноза Введите имя создаваемого столбца, который содержит прогнозные значения.
Тип алгоритма Выберите вид анализа, который будет выполнять алгоритм.
Пропуск скрытого слоя Чтобы добавить прямые связи между входом и выходом, выберите True.
Линейный выход Чтобы получить линейный выход, выберите True. Если выбран тип алгоритма "Классификация", этот атрибут должен иметь значение true.
Использовать софтмакс Чтобы использовать лог-линейную модель и подбор условного максимального правдоподобия, выберите True.

Атрибуты linout, entropy, softmax и censored являются взаимоисключающими.

Использовать энтропию Чтобы использовать подбор условного максимального правдоподобия, выберите True. По умолчанию этот алгоритм использует метод наименьших квадратов.
Возможные значения:
  • True: используется подбор условного максимального правдоподобия.
  • False: используется метод наименьших квадратов.
Использовать цензурированную функцию Для софтмакса строка (0,1,1) определяет по одному экземпляру классов 2 и 3, однако для цензурированной функции эта строка определяет один экземпляр класса 2 или 3.
Диапазон Введите начальный диапазон случайных весов [-rang, rang]. Если входные данные имеют небольшой объем, используйте значение 0,5. Для объемных входных данных диапазон вычисляется по формуле: rang * max(|x|) <= 1
Уменьшение веса Введите значение для вычисления новых весов (decay).
Максимальное число итераций Введите максимально допустимое число итераций.
Требуется матрица Гессе Чтобы получить показатель Гессе на основе лучшего набора весов, выберите True.
Максимальные веса

Введите максимально допустимое число весов для вычисления.

Максимальное число весов не ограничивается в коде, однако с его ростом возможно существенное увеличение длительности подбора.

Абсолютный допуск Введите значение, определяющее точный подбор (abstol).
Относительный допуск Работа алгоритма завершается, если оптимизатору не удается уменьшить критерий подбора на величину "1 - относительный допуск"
Контрасты Введите список контрастов для переменных множителей, используемых в модели.