我在训练神经网络时收到错误"Error in nnet.default(x，y，w，...)：too many (77031) weights“
我在训练神经网络时收到错误"Error in nnet.default(x，y，w，...)：too many (77031) weights“
提问于 2013-06-14 18:03:49
我正在尝试使用nnet包在R中训练神经网络。以下是关于我的训练数据的信息。
str(traindata)
'data.frame': 10327 obs. of 196 variables:
$ stars : num 5 5 5 3.5 3.5 4.5 3.5 5 5 3.5 ...
$ open : num 1 1 1 1 1 1 1 1 1 1 ...
$ city : Factor w/ 61 levels "ahwatukee","anthem",..: 36 38
$ review_count : int 3 5 4 5 14 6 21 4 14 10 ...
$ name : Factor w/ 8204 levels " leftys barber shop",..:
$ longitude : num -112 -112 -112 -112 -112 ...
$ latitude : num 33.6 33.6 33.5 33.4 33.7 ...
$ greek : int 0 0 0 0 0 0 0 0 0 0 ...
$ breakfast...brunch : int 0 0 0 0 0 0 0 0 0 0 ...
$ soup : int 0 0 0 0 0 0 0 0 0 0 ...我已经截断了这个信息。
当我运行以下命令时：
library(nnet)
m4 <- nnet(stars~.,data=traindata,size=10, maxit=1000)我得到以下错误：
Error in nnet.default(x, y, w, ...) : too many (84581) weights当我尝试更改参数中的权重时，例如：
m4 <- nnet(stars~.,data=traindata,size=10, maxit=1000,weights=1000)然后我得到以下错误：
Error in model.frame.default(formula = stars ~ ., data = traindata, weights = 1000) :
variable lengths differ (found for '(weights)')我犯的错误是什么？如何避免或纠正此错误？也许问题出在我对“权重”的理解上。
Stack Overflow用户
发布于 2013-06-14 19:09:25
可以将MaxNWts增加到适合模型大小的值，也可以减小size以使模型更小。
您可能还想更多地考虑在模型中确切地包含哪些变量。仅从提供的数据来看，name是一个超过8,000个级别的因子；只有10000个观察值是不会得到任何有意义的结果的。city可能更有用，但同样，像神经网络这样复杂的东西中的61个级别可能是边缘的。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/17105979
复制相关文章
相似问题
腾讯云开发者
