可为 R-NNet 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。 |
| 缺少值 | 选择处理缺少值的方法。 可能的值:
|
| 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:
|
| 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。 |