可为 R-MONMLP 神经网络算法进行配置的属性。
| 属性 | 说明 |
|---|---|
| 输出模式 | 选择希望使用的算法输出模式。 可能的值:
|
| 功能 | 选择希望用于执行分析的输入列。 |
| 目标变量 | 选择希望用于执行分析的目标列。 |
| 隐藏层 1 神经元 | 输入第一个隐藏层(hidden1)中的节点/神经元数。默认值为 5。 |
| 预测列的名称 | 为新创建的包含预测值的列输入名称。 |
| 隐藏层传输函数 | 选择用于隐藏层(Th)的激活函数。 |
| 输出层传输函数 | 选择用于输出层(To)的激活函数。 |
| 隐藏层传输函数的派生类型 | 选择隐藏层激活函数的派生类型(Th.prime)。 |
| 输出层传输函数的派生类型 | 选择输出层激活函数的派生类型(To.prime)。 |
| 隐藏层 2 神经元 | 输入第二个隐藏层(hidden2)中的节点/神经元数。默认值为 0。 |
| 最大迭代数 | 输入优化算法的最大迭代数(iter.max)。默认值为 5000。 |
| 单调列 | 输入要将单调约束应用到的列索引(monotone)。 |
| 训练迭代数 | 输入成本函数计算停止之后的训练迭代数(iter.stopped)。 |
| 初始权重 | 输入初始权重矢量(init.weights)。 |
| 最大异常数 | 输入优化例程的最大异常数(max.exceptions)。 |
| 按比例缩放从属列 | 在拟合之前,要将从属列缩放至零均值和单位方差,请选择“真”(scale.y)。 |
| 要求自举聚合 | 选择“真”可使用自举聚合(bag)。 |
| 用于避免局部极小值的试验 | 输入为避免局部极小值而重复试验的次数(n.trials)。 |
| 集成成员数 | 输入要拟合的集成成员数(n.ensemble)。 |