R-NNet 神经网络

可为 R-NNet 神经网络算法进行配置的属性。

语法 此算法可利用 R 库函数进行预测、分类和统计模式识别。
R-NNet 神经网络属性
表 1: 算法属性
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:
  • 趋势:预测从属列的值,并添加一个包含预测值输出的额外列。
  • 填充:填充目标列中的缺少值。
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。
缺少值 选择处理缺少值的方法。
可能的值:
  • 忽略:该算法会跳过独立列或从属列中包含缺少值的记录。
  • 保留:该算法会保留缺少值。
  • 停止:算法停止(如果独立列或从属列中缺少一个值)。
隐藏层神经元 输入隐藏层中的节点/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。
算法类型 选择希望算法执行的分析类型。
跳过隐藏层 要将跳层连接从输入添加到输出,请选择“真”。
线性输出 要获得线性输出,请选择“真”。如果选择“分类”作为算法类型,该值必须为真。
使用 Softmax 要使用“对数线性模型”和“最大条件似然”拟合,请选择“真”。

线性输出、熵、softmax 和删失数据之间互斥。

使用熵 要使用“最大条件似然”拟合,请选择“真”。默认情况下,算法使用“最小二乘法”方法。
可能的值:
  • 真:使用“最大条件似然”拟合
  • 假:使用“最小二乘法”方法
使用删失数据 对于 Softmax,(0,1,1)的一行表示类 2 和类 3 各自的一个例子,但对于删失数据则表示类 2 或类 3 各自的一个例子。
范围 输入初始随机权重 [-rang, rang]。将此值设为 0.5,输入较大的情况除外。如果输入的权重较大,请使用公式 rang * max(|x|) <= 1 选择 rang。
权重衰减 输入用于计算新权重的值(权重衰减)。
最大迭代数 输入允许的最大迭代数。
需要 Hessian 矩阵 要返回最佳权重集合上的 Hessian 度量,请选择“真”。
最大权重数

输入计算中允许的最大权重数。

代码无内部限制,但是增加权重的最大数目可能导致拟合非常慢且十分耗时。

Abstol 输入表示完全拟合的值(abstol)。
Reltol 如果优化器无法按以下因数缩减拟合条件,则该算法终止:1 - reltol
对比 输入对比的列表,这些对比将用于模型中显示为变量的因素。