获取nnet的插入符号的模型参数
是指在神经网络（nnet）中，插入符号（insertion symbol）是一种特殊的标记，用于在输入序列中表示插入或添加额外的元素。模型参数是指神经网络中的权重和偏置等可学习的参数。
在深度学习中，插入符号常用于序列到序列（sequence-to-sequence）任务中，如机器翻译、语音识别等。通过在输入序列中插入符号，可以实现对输入序列的扩展和变换，从而提高模型的表达能力和泛化能力。
插入符号的模型参数通常是通过训练神经网络来学习得到的。训练过程中，网络会根据输入序列和相应的目标输出进行反向传播，通过优化算法（如梯度下降）来更新模型参数，使得网络能够更好地预测插入符号的位置和内容。
在腾讯云的相关产品中，可以使用腾讯云的AI开放平台（https://cloud.tencent.com/product/ai）提供的自然语言处理（NLP）相关服务来支持插入符号的模型参数的获取。例如，可以使用腾讯云的语音识别（ASR）服务（https://cloud.tencent.com/product/asr）来获取语音输入中的插入符号的位置和内容。
需要注意的是，以上提到的腾讯云产品仅为示例，实际应用中可以根据具体需求选择适合的产品和服务。
相关·内容
2回答
调整神经网络的大小参数
、、、
我想用插入符号package.There拟合一个神经网络模型，它们都是重要的，不能被丢弃。我可以给size参数的最大值是4，超过这个值我会得到一个错误，说有太多的权重。
> ctrl<-trainControl(method = 'cv',number = 5)
> my.grid <- expand.grid(.decay = 0.1, .size =5)
> nn.fit <- train(train_predictors,train_responses[["r2c1"]],method = "nnet",
浏览 107提问于2017-12-08得票数 0
回答已采纳
在使用nnet对caret::rfe模型应用递归特性选择时，遇到了一些问题；我得到了以下错误消息：
{：任务1失败-“选定的未定义列”中出现错误
实际任务比下面的例子更复杂，但我相信这也是一个类似的问题：
library(caret)
rfe(x = iris[,1:3],
y = iris[,4]/max(iris[,4]),
sizes = c(2),
method="nnet",
rfeControl = rfeControl(functions = caretFuncs)
浏览 1提问于2016-09-09得票数 1
回答已采纳
1回答
我在使用Caret时遇到问题。
我使用下面的代码在nnet方法中构建模型，它工作了。
model_nnet<-train(trainSetSmall[,predictors],trainSetSmall[,outcomeName],method='nnet')
importance <- varImp(model_nnet, scale=FALSE)
plot(importance)
然后，我想尝试一下其他的模型。我试过"gbm"，但它不起作用。
model_gbm<-train(trainSetSmall[,predictors],train
浏览 36提问于2019-10-23得票数 1
1回答
一般来说，我对r和机器学习都很陌生，我正在尝试使用一些数据来训练一些不同的模型。训练数据集由75个变量的4650个观察值组成，其中包括目标。对于虚拟变量，我猜测(我自己没有进行预处理)总共有130个左右的变量。目标是一个具有3个水平的有序因子。使用rattle，我训练一棵树需要1-2秒，训练随机森林需要45-55秒，使用svm大约需要30秒。但是使用带有插入符号的nnet包，我为一个神经网络模型运行了以下代码：
nnet_grid<-expand.grid(.decay = c(.1, .01), .size = c(20, 30, 40, 50))
nnetfit<-caret:
浏览 0提问于2017-02-26得票数 1
我想要建立一个神经网络分类器使用脱字符软件包。我已经指定了一个带有一些超参数的tunegrid，我想测试这些参数以获得最佳的准确性。 在我运行模型之后，训练函数函数将始终默认为标准衰减和大小值。这是插入符号中的bug吗？还是我的代码有问题？ 代码： nnet_grid <- expand.grid(.decay = c(0.5, 0.1, 1e-2, 1e-3, 1e-4, 1e-5, 1e-6, 1e-7), .size = c(3, 5, 10, 20))
features.nn <- train(label ~ .,
metho
浏览 55提问于2021-04-26得票数 1
回答已采纳
我正在设计一个神经网络模型，该模型预测van genuchten保水参数(theta_r，thera_s，α，n)的估计，使用有限的更多扩展输入数据，如纹理，体积密度和一到两个保水。在研究R项目中的神经网络时，我发现了RSNNS软件包，我创建并训练了多个多层感知器(MLP)，并对隐藏单元的数量和学习率进行了调整。以训练和测试这些模型的RMSE为特征的一般性能真的很差和随机，事实上，我使用α和n参数的对数转换值来避免偏差并解释它们近似的对数正态分布，但这没有太大帮助:(。我被推荐使用nnet和插入符号包，但我在适应代码时遇到了麻烦，我不知道我做错了什么，有什么建议吗？
#input datase
浏览 0提问于2013-10-28得票数 1
我使用的是带有nnet方法的插入符号包。当我将maxit参数从300更改为500时，我得到了不同的结果。我的理解是，如果maxit增加，模型将经历最大"n“次迭代来找到局部最小值。 在我的例子中，当我将maxit设置为300时，我得到了很好的结果，而当它是500时，我得到了很好的结果。 注:种子值、tune_grid、折叠数在两个模型中是相同的。 1)我得到了不同的结果，因为在神经网络优化中有很多局部极小值？ 2) maxit越高，模型越好-对还是错？(潜在的假设是，如果模型不是随着300次迭代而收敛，那么当迭代次数增加时，它将收敛) 3)如何调整maxit参数？
浏览 63提问于2019-01-17得票数 2
1回答
我在为nnet提取插入符号的finalModel参数时遇到了问题。如果我使用-在我的脑海中-完全相同的参数插入：：火车和nnet：：get：：get，我得到(有时)很大的差异。我是否忘记了一个参数，或者这是由于神经网络的计算算法造成的？我知道我可以使用caret_net的predict (在下面的例子中)，但我仍然希望只使用nnet来重现结果。
示例：
library(nnet)
library(caret)
len <- 100
set.seed(4321)
X <- data.frame(x1 = rnorm(len, 40, 25), x2 = rnorm(len, 70,
浏览 3提问于2018-01-24得票数 0
回答已采纳
3回答
我有一个由20个特征和大约300,000个观察值组成的数据集。我使用插入符号来训练带有doParallel和四个内核的模型。对于我尝试过的方法(rf，nnet，adabag，svmPoly)，即使在我10%的数据上训练也要花8个多小时。我用bootstrapping重采样了3次，我的tuneLength是5。我能做些什么来加快这个令人痛苦的缓慢过程吗？有人建议使用底层库可以将我的过程加快10倍，但在我走上这条路之前，我想确保没有其他选择。
浏览 0提问于2015-10-02得票数 12
回答已采纳
1回答
我试图实现一些函数来比较五种不同的机器学习模型来预测回归问题中的一些值。
我的意图是做一套功能，可以训练不同的代码，并将它们组织成一系列的结果。通过实例选择的模型有: Lasso模型、随机森林模型、SVM模型、线性模型和神经网络模型。为了调优某些模型，我打算使用Max：的引用。但是，由于每个模型都需要不同的调优参数，所以我怀疑如何设置它们：
首先，我将网格设置为“nnet”模型优化。在这里，我选择了隐藏层中不同数量的节点和衰减系数：
my.grid <- expand.grid(size=seq(from = 1, to = 10, by = 1), decay = seq(from =
浏览 1提问于2019-02-11得票数 1
我使用插入符号包创建nnet模型，并使用以下代码提取预测值：
nnet<-predict(my_model, newdata = my_new_data)
nnet
[1] -0.1468207
我还创建了以下输出，通过该输出可以查看最佳模型参数，如下所示：
Resampling results across tuning parameters:
size decay RMSE Rsquared RMSE SD Rsquared SD
10 0.001 0.01867841 0.4789708 0.002538599 0.1277
浏览 0提问于2015-09-22得票数 3
我正在使用包插入符号来训练nnet分类模型。默认的乙状结肠(逻辑)传递函数运行良好。我试着用线性传递函数做一些比较。但我犯了个错误。
有趣的是，如果目标变量有两个以上的类，则线性传递函数是OK的；但是如果目标变量有两个类，则失败。
以下是一些示例代码：
library(caret)
data(iris)
#This modeling works well. Species has 3 classes
model <- train(Species~., data=iris, method='nnet', linout=T, trControl=trainControl(m
浏览 0提问于2015-12-17得票数 2
在Rstudio中使用下面的代码和针织HTML
---
title: "test"
output: html_document
---
```{r pressure, echo=FALSE}
图书馆(插入符号)
tc <- trainControl(method="boot"，number=25)
train =train(物种~，data=iris，method="nnet"，trControl=tc)
confusionMatrix(火车)
如何避免我的html文件上的train迭代打印？
浏览 4提问于2016-02-17得票数 7
回答已采纳
1回答
我正在使用插入符号包在R中构造一个神经网络模型，我的代码如下：
model <- train(RS_LAI~S2REP_LF+PSRI_ES+IRECI+NDVIRE+B11_ES+B7+TCARI_LF+MCARI+WDRVI
, data = Data,
method = "nnet", trControl = controlparameters,
linout = TRUE)
最后，当模型运行时，我得到的结果是大小和衰变的最终值。在这里，我想，大小是隐藏层的数目，但我很困惑，
浏览 1提问于2021-03-17得票数 0
回答已采纳
我试图使用“插入”包中的“训练”函数来训练神经网络模型。但它给出了很多警告，但没有显示的准确性SD。我不确定我是否需要设置任何参数，以便我可以看到精度SD。
我是相对较新的R，所以请原谅，如果我错过了什么是明显的东西。
这是我的代码：
library("caret", lib.loc="~/R/win-library/3.3")
set.seed(1056)
nnetFit <- train(Label ~., data = Train_2.4.16,
method = "nnet",
浏览 4提问于2016-10-15得票数 0
我希望能够像x一样在caret::train中使用稀疏矩阵，看起来他们中的许多人都希望有一个数据框架。我已经能够在XGboost和caret中使用稀疏矩阵，但是nnet和ELM似乎都需要一个数据框架。我在代码中注意到，插入符号试图将x转换为nnet和ELM模型的数据框架。
是否有支持稀疏矩阵的模型列表？
浏览 2提问于2016-08-15得票数 9
回答已采纳
1回答
如何在函数调用中获得(可能未填充的)参数值？我试图得到一个信息，如果linout是正确的或错误的适合的nnet模型。
示例：
library(nnet)
df <- data.frame(a = runif(10), b = runif(10), c = runif(10) > .5)
fit <- nnet(c ~ ., data = df, size = 3)
fit$call
> nnet.formula(formula = c ~ ., data = df, size = 3)
这里我知道linout是FALSE，因为这是默认值。但也可能有这样的情况：
nnet
浏览 3提问于2015-02-28得票数 0
回答已采纳
2回答
我有下面的脚本，它可以很好地处理ctree模型/party包。当我将其与NNET模型/包交换时，varImp和plot(最终模型)抛出错误。我的假设是，插入符号包中的helper函数适用于所有支持的模型。
library(caret)
library(nnet)
#read in data
data = iris
#split data into training, test, and final test samples
trainIndex <- createDataPartition(data$Species, p=.80, list=F)
train = data[train
浏览 8提问于2015-01-26得票数 2
在描述CRAN项目()中的nnet时，它说nnet适合于单个隐藏层：
Description: Fit single-hidden-layer neural network, possibly with skip-layer connections
我是否可以使用nnet指定隐藏层的数量？我的理解是，我选择的隐藏层和隐藏层中的神经元数量是可以改变的参数，以改进模型。它真的可以帮助模型添加/删除隐藏层吗？或者，单层神经网络和多层神经网络是否有单独的应用领域？
我是安的新手。我正在研究一个训练样本数为55000×54的分类模型。提前感谢！
浏览 1提问于2017-08-11得票数 1
回答已采纳
我在R中使用neuralnet()函数建立了一个二进制分类模型，其中一个示例代码是。我使用python keras做了相同的网络，由于参数的调整，它的预测精度较低。所以我用save(model_nnet, file = "/tmp/model_nnet.rda")保存R的神经网络模型，用load(file = "/tmp/model_nnet.rda")加载。
我的问题是，我能在python中加载这个文件吗？然后用它来做预测？
浏览 4提问于2018-10-27得票数 0
回答已采纳
1回答
我在一个分类问题中使用了nnet方法的插入符号包，我想知道在nnet中用于停止训练以避免过度拟合的停止标准是什么。
我做了一些研究，我发现在RSNNS包中没有实现停止条件，但它被考虑用于未来的工作，请参阅此处：
但是对于nnet包，我没有找到任何关于所使用的停止条件的信息，或者它是否使用了停止条件。所以，我的问题是。nnet包中使用的停止标准是什么？
谢谢！
浏览 0提问于2016-02-19得票数 5
我正在使用nnet包构建一个单层=隐层神经网络。我已经准备好了我所有的数据(即中心、缩放、转换成数字的因素)，现在我能够真正地适应这个模型了。
根据nnet文档，函数参数可以以以下两种方式中的一种方式输入：
使用表单类~ x1 + x2的一个公式
示例使用x值的data.frame和目标值的data.frame。
经过一些研究，我选择了后者，因为显然它的记忆效率更高。
基于公式法的模型
model2 <- nnet(Cohort ~ . -Cohort,
data = train.min,
size = 30,
浏览 3提问于2017-10-25得票数 0
回答已采纳
1回答
我正在尝试使适应LSTM模型。我的代码是这样的：
def build_lstm(input_var=None):
num_inputs, num_units, num_classes = 4978, 300, 127
l_inp = lasagne.layers.InputLayer((None, None, num_inputs))
batchsize, seqlen, _ = l_inp.input_var.shape
l_lstm = lasagne.layers.LSTMLayer(l_inp, num_units=num_units)
l_sh
浏览 0提问于2015-11-11得票数 4
回答已采纳
我的问题是典型的前馈单隐层反向支撑神经网络，在软件包nnet中实现，并在包插入中使用train()进行训练。这与有关，但在R中nnet和插入符号包的上下文中。
我用一个简单的回归示例演示了这个问题，其中Y = sin(X) + small error
raw Y ~ raw X:预测的输出在原始Y < 0中一致为零。
scaled Y (to 0-1) ~ raw X：解决方案看起来很棒；参见下面的代码。
代码如下
library(nnet)
X <- t(t(runif(200, -pi, pi)))
Y <- t(t(sin(X)))
浏览 4提问于2014-09-12得票数 2
我对R不熟悉。我在使用卡雷特时出错了。
# load the library
library(mlbench)
library(caret)
mydata2 <-mydata[1:200,c(52, 56:59)]
mydata2
# load the dataset
# prepare training scheme
control <- trainControl(method="lm", number=10, repeats=3)
# train the model
model <- train(MtrRegActNetEngyDailyKwh~., da
浏览 5提问于2019-10-22得票数 1
1回答
我对神经网络世界还很陌生，所以我请求您的理解。我正在生成一些测试，因此我有一个关于参数size和decay的问题。我使用caret包和nnet方法。示例数据集：
require(mlbench)
require(caret)
require (nnet)
data(Sonar)
mydata=Sonar[,1:12]
set.seed(54878)
ctrl = trainControl(method="cv", number=10,returnResamp = "all")
for_train= createDataPartition(mydata$V1
浏览 1提问于2017-02-23得票数 9
回答已采纳
1回答
library(nnet)
data(iris)
attach(iris)
partition<-c(sample(1:50, 25), sample(51:100, 25), sample(101:150, 25))
train.iris<-iris[partition,]
test.iris<-iris[-partition,]
iris_nnet<-nnet(Species~., data=train.iris, size=2, decay=5e-4)
summary(iris_nnet)
y<-test.iris$Species
p<-predict
浏览 1提问于2013-12-31得票数 0
1回答
我有一个DF(train_market)，它有8523行和12列，如下所示
我正在做多项逻辑回归模型来得到test_data上的ITem_Outlet_Sales。但是运行该模型的代码需要几个小时才能运行
model <- nnet(Item_Outlet_Sales~.,train_market,family="multinomial",size = 5574900,softmax=TRUE)
我尝试了下面显示的其他两个，但它仍然运行了几个小时，我应该做哪些更改才能完成它
model <- multinom(Item_Outlet_Sales~.,tra
浏览 0提问于2016-03-30得票数 1
在那个人工神经网络中，我是机器学习的新手。我在R中使用nnet软件包进行神经网络的训练。模型参数和超参数有什么区别？我听说在我们设置模型参数之前就设置了超参数。人工神经网络的超参数和模型参数是什么？即是否在神经网络训练阶段调整超参数，在验证阶段调整模型参数？
浏览 0提问于2017-03-16得票数 3
1回答
我正在尝试包装一些C++神经网络代码，以便我有：
numpy -> double* -> armadillo
总之，我得到了一个典型的：
ImportError: dynamic module does not define init function
显然，我的distutils配置有问题。下面是我的一个MEW项目，以防有人发现这个bug：
setup.py
#!/usr/bin/env python build_ext --inplace
# -*- coding: utf-8 -*-
# to run:
# python setup.py build_ext --inpla
浏览 3提问于2016-01-11得票数 3
回答已采纳
因此，我正在尝试使用tidymodels将深度学习模型应用到我的数据中。它的通用接口是mlp()，我使用fit_resamples()是为了找到外部数据的最佳模型。我一直收到这个错误：
ann_model <-
mlp(epochs = 50, hidden_units = 5, dropout = 0.1) %>%
set_engine("nnet", weights = 10000) %>%
set_mode("regression")
ann_wflw <-
workflow() %>%
add_re
浏览 0提问于2020-10-13得票数 1
1回答
我试图找出我的神经网络模型初始化有什么问题。我已经设置了pdb跟踪，以确保定义的神经网络部分是错误的来源。此外，我在定义的神经网络代码上得到黄色标记，因为期望返回该模块，但如果返回该模块，则会导致递归错误。这是一个线性模型，必须有批次大小* 81的输入维和批次大小* 1的输出维数。我在pytorch和定义深层神经网络方面相对较新，所以这可能不是一个好问题。我的语法可能也很糟糕。任何帮助都是非常感谢的。下面的代码是神经网络的定义和pytorch模型的训练。
def get_nnet_model(module_list=nn.ModuleList(), input_dim: int = 8100,
浏览 20提问于2021-04-13得票数 0
回答已采纳
换句话说，当我执行nnet(...)时，我可以使用size参数来控制隐藏层中的单元数量。我的特殊模型需要输出概率，所以我想要逻辑单元，所以我在我的预测函数中从nnet包转向output type='probs‘。我如何传递一个大小参数？当我用size=5或其他东西调用它时，我得到一个错误：
formal argument "size" matched by multiple actual arguments
浏览 1提问于2012-04-02得票数 3
回答已采纳
我在某个地方读到，应该是nnet模型的which.is.max。是否有经验法则来定义大小的值？
浏览 1提问于2018-06-18得票数 0
回答已采纳
我有一段使用nnet包的代码，我感兴趣的是计算一些不同的神经网络模型&然后将所有模型保存到磁盘(使用save() )。
我遇到的问题是，神经网络中的“术语”元素有一个属性".Environment“，其结果是几百兆字节，而模型的其余部分只有几千字节。(一旦所拟合的值及残差被删除)
此外，删除".Environment“属性似乎不会在使用”预测“模型方面造成问题。
有人知道R或nnet对这个属性做了什么吗？有人见过这样的东西吗？
浏览 1提问于2015-04-06得票数 2
回答已采纳
2回答
我们能否通过利用foreach包、nnet和插入包来并行地使用多核来训练神经网络模型？
我只看到了并行的随机森林实现。神经网络是可能的。
我特别感兴趣的是插入符号的训练函数，它可以进行网格搜索，寻找最优的隐藏层和衰减大小。这需要很长时间才能在单个核上运行。
任何帮助都是非常感谢的。
浏览 3提问于2013-09-09得票数 10
回答已采纳
我使用nnet包中的多项式()函数对无序的多分类数据执行多项logistic回归，该函数在100次迭代后停止。由于我需要执行100多次迭代，所以我希望将nnet包的"maxit“参数从100更改为1000。此参数位于nnet文档中：
nnet(formula, data, weights, ...,
subset, na.action, contrasts = NULL)
## Default S3 method:
nnet(x, y, weights, size, Wts, mask,
linout = FALSE, entropy = FALSE, softm
浏览 1提问于2015-04-24得票数 0
回答已采纳
1回答
是否有一个包允许为非基于XGBoost或决策树的模型的多个观测值估计shap值？我用Caret和NNET创建了一个神经网络。我想开发一个蜂温图和形状依赖图，以探讨我的模型中的某些变量与结果之间的关系。我唯一的成功是使用DALEX包来估计SHAP值，但是DALEX只对单个实例这样做，不能使用SHAP值进行全局分析。任何洞察力或帮助都将不胜感激！
我试过使用不同的shap包(快速成形，shapr)，但这些需要基于决策树的模型。我试着用插入符号创建一个XGBoost模型，但是这个模型在r中的shap包中没有很好地实现，并且无法得到我想要的结果。
浏览 4提问于2022-12-03得票数 0
2回答
毕火炬在每次训练后恢复训练。
、、、、
我有一个数据集，该数据集被划分为较小的数据集。
我想为数据集的每个分区训练3个模型，但我需要所有的培训课程从相同的初始化网络参数开始。
看起来是这样的：
modelList = []
thisCNN = NNet()
for x in range(3):
train = torch.utils.data.DataLoader(Subset(train_set, indexes[x]), batch_size=32)
bb = trainMyNet(thisCNN, train, test)
modelList.append(list(bb.parameters()))
浏览 2提问于2019-02-21得票数 3
回答已采纳
1回答
我运行了200次循环，其中我：
将我的数据集随机分为训练集和测试集。
在训练集上用R的nnet()命令拟合神经网络模型
评估测试集的性能
我把每个模型都保存到一个列表中。
现在我想用一个组合模型来做样本预测。为此，我在combine对象上使用了randomForest函数。对于nnet 对象，对象是否有类似的组合命令？
我无法上传数据集，但下面是我目前正在使用的代码。它的工作原理是一样的，除了最后一行之外，我在最后一行中寻找一个命令来组合模型。
n <- 200
nnet_preds <- matrix(NA, ncol = 1, nrow
浏览 3提问于2013-11-03得票数 5
1回答
如何清除CFStream缓冲区？每次我从套接字读取时，仍然有来自旧请求的数据，我的意思是对旧请求的完整响应，而不仅仅是它的一个片段。
我是不是漏掉了什么？
这是我用来初始化连接的函数：
-(void)openSocketConnection:(UInt32)port: (NSString *)host
{
NSString *hoststring = [[NSString alloc] initWithString:host];
CFStreamCreatePairWithSocketToHost(kCFAllocatorDefault,(__bridge CFStringRef)h
浏览 4提问于2011-12-24得票数 0
1回答
当我查看R包pmml时，我发现可以直接将nnet模型导出为PMML格式。
但是实际上我使用的是neuralnet包，因为它有更多的特性和灵活性。
问题是：
如何将neuralnet模型导出为PMML格式，我检查了pmml包，它不工作。
还有其他选项，如将neuralnet模型转换为nnet模型，或使用其他PMML包吗？谢谢
浏览 0提问于2016-12-20得票数 1
train_control <- trainControl(method='cv', number=10)
model <- train(Class ~ Age+BMI+DBP+DPF+NumPregnancies+PG2+SI2+TSFT, method ='rf',data=input,trControl=train_control)
pmml(model$finalModel)
#Error in names(field$class) <- var.names : attempt to set an attribute on N
浏览 4提问于2015-01-27得票数 0
回答已采纳
我正在使用Caret包来训练一个使用"nnet“方法的模型。它是有效的，但我需要看到在隐藏层中使用的权重。当我们直接使用nnet函数时，这是可能的：
model<-nnet(Data[5:8], Data[4],size=10,maxit=100000,linout=T,decay=0.1)
model$wts
[1] 9.160050e-01 1.184379e+00 -1.201645e+00 1.041427e+00 -2.367287e-03 6.861753e+00 1.223522e+00 -1.875841e+01 -1.233203e-02
浏览 0提问于2014-05-06得票数 3
1回答
我想用nnet训练一个隐层的浅层神经网络。在trainControl中，我使用了方法= "cv“来执行三重交叉验证。代码和结果摘要如下所示。
myControl <- trainControl(## 3-fold CV
method = "cv",
number = 3)
nnGrid <- expand.grid(size = seq(1, 10, 3),
decay = c(0, 0.2, 0.4))
set.seed(1234)
nnetFit <
浏览 0提问于2020-11-02得票数 1
回答已采纳
1回答
我需要使用varImp函数建立神经网络模型，由nnet方法通过插入。
守则：
#Load Packages
require(quantmod)
require(nnet)
require(caret)
#Creating data
T <- seq(0,20,length=200)
y <- 1 + 3*cos(4*T+2) +.2*T^2 + rnorm(200)
dat <- data.frame( y, x1=Lag(y,1), x2=Lag(y,2),x3=La
浏览 1提问于2014-05-26得票数 1
回答已采纳
据我所知，从插入包中可以看出火车的功能：
model <- train(Class ~ ., data=training, method = "nnet", trControl = train_control)
通过尝试一系列参数值并在培训数据的一个未见部分上评估生成的模型来生成模型。然后将表现最佳的模型作为最终模型返回。
然而，许多分类方法都采用随机训练方法，如利用反向传播训练的神经网络。
因此，在训练期间尝试一次每组参数可能无法很好地表示这些参数的性能。
能否告诉火车函数多次尝试每一组参数，并使用它们的平均性能？如果没有，是否可以利用火车功能来实现这一行为？
编辑:我
浏览 3提问于2015-04-08得票数 0
回答已采纳
我试图使用nnet作为月度消费数据的方法，在R中实现train函数的使用。但是输出(预测值)都显示为等于某个平均值。
我有24个时间点的数据(每个时间点代表一个月的数据)，我使用前20个用于训练，其余4个用于测试模型。下面是我的代码：
a<-read.csv("...",header=TRUE)
tem<-a[,5]
hum<-a[,4]
con<- a[,3]
require(quantmod)
require(nnet)
require(caret)
y<-con
plot(c
浏览 1提问于2014-03-04得票数 2
我希望我能在下面的问题上得到一些帮助。基本上，我想基于特定向量PredVector的长度编程创建许多nnet模型。PredVector中的每个值都间接引用了我的数据集PSTrain中的一列。
代码如下：
PredVector <- c(1, 3, 5)
for (i in 1:length(PredVector)) {
modelName <- paste("nnModel", PredVector[i], sep="")
modelForm <- paste("TPlus", PredVector[i], "
浏览 0提问于2012-07-28得票数 0
回答已采纳
1回答
当我运行我的代码时，我会收到以下消息的值错误：
ValueError: Input dimension mis-match. (input[0].shape[1] = 1, input[2].shape[1] = 20)
Apply node that caused the error: Elemwise{Composite{((i0 + i1) - i2)}}[(0, 0)](Dot22.0, InplaceDimShuffle{x,0}.0, InplaceDimShuffle{x,0}.0)
Toposort index: 18
Inputs types: [TensorType(flo
浏览 2提问于2017-03-11得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
