234, 226, 60) d <- c(40,100,207,290,241) nn <- neuralnet(a~b+d,data=q,hidden=2,threshold=0.01,err.fc="sse") 我之前偶然发现的答案建议使用nnet。而不是盲目地使用decay选项,尽管它似乎“有效”,但我希望能从一开始就了解我的神经网络模型出了什么问题。
我有一个巨大的trainData,我想从中提取随机的子集(假设1000次),并使用它们来连续训练神经网络对象。是否可以使用neuralnet R包来实现。我的想法是这样的:classA <- 2000 dataB <- trainData[sample<- rbind(dataB, dataU) #bind them to make a subset
然后输入实际trainData的这个子集来