R中使用插入符號包的神經網絡

Question

所以我讀過一篇文章，它使用神經網絡來建模一個與我目前使用的數據集類似的數據集。我有160個描述符變量，我想對160個案例進行建模（迴歸建模）。我閱讀的論文使用了以下參數： - 對於每個分組，爲10個單獨的列車測試摺疊中的每一個開發一個模型。使用具有33個輸入神經元和16個隱藏神經元的三層向後傳播網絡與在線權重更新，0.25學習率和0.9動量。對於每次摺疊，從總共50個不同的隨機初始加權起點進行學習，並允許網絡遍歷學習時期，直到驗證集的平均絕對誤差（MAE）達到最小。 '

現在他們使用了一種名爲Emergent的專業軟件來做到這一點，這是一個非常專業化的神經網絡模型軟件。但是，正如我之前在R中完成過以前的模型一樣，我必須遵守它。因此，我正在使用插入符號訓練功能來進行10次交叉驗證，使用神經網絡套件進行10次。我做了以下內容： -

cadets.nn <- train(RT..seconds.~., data = cadet, method = "neuralnet", algorithm = 'backprop', learningrate = 0.25, hidden = 3, trControl = ctrl, linout = TRUE) 

我這樣做是爲了嘗試和調整參數，密切合作，在紙所使用的那些，但是我得到以下錯誤信息： -

layer1 layer2 layer3 RMSE Rsquared RMSESD RsquaredSD 
1  1  0  0 NaN  NaN  NA   NA 
2  3  0  0 NaN  NaN  NA   NA 
3  5  0  0 NaN  NaN  NA   NA 
Error in train.default(x, y, weights = w, ...) : 
    final tuning parameters could not be determined 
In addition: There were 50 or more warnings (use warnings() to see the first 50) 

你知道我做錯了什麼？它在我執行nnet時起作用，但我無法調整參數以使其與我試圖模擬的論文中使用的參數類似。

這是我在警告（）五十次獲得： -

1: In eval(expr, envir, enclos) : 
    model fit failed for Fold01.Rep01: layer1=1, layer2=0, layer3=0 Error in neuralnet(form, data = data, hidden = nodes, ...) : 
    formal argument "hidden" matched by multiple actual arguments 

2: In data.frame(..., check.names = FALSE) : 
    row names were found from a short variable and have been discarded 
3: In eval(expr, envir, enclos) : 
    model fit failed for Fold01.Rep01: layer1=3, layer2=0, layer3=0 Error in neuralnet(form, data = data, hidden = nodes, ...) : 
    formal argument "hidden" matched by multiple actual arguments 

4: In data.frame(..., check.names = FALSE) : 
    row names were found from a short variable and have been discarded 
5: In eval(expr, envir, enclos) : 
    model fit failed for Fold01.Rep01: layer1=5, layer2=0, layer3=0 Error in neuralnet(form, data = data, hidden = nodes, ...) : 
    formal argument "hidden" matched by multiple actual arguments 

謝謝！

Answer 1

從錯誤消息中，'hidden'參數未正確匹配。查看documentation，method = "neuralnet"，layer1, layer2, layer3只有三個訓練參數。查看鏈接並使用不同的方法，您可以指定所需的參數。