問題タブ [nnet]

キャレットで nnet を使用してトレーニングされた回帰ニューラル ネットワークの各ノードの重みとバイアスの値が必要です。この値を csv にエクスポートできますか?

nnet パッケージの multinom を使用して、ロジスティック回帰モデルを 3 つのクラスで構成されるデータに適合させていますが、クラスの普及率はバランスが取れていません。特定のクラスの誤分類を避けるようにモデルに指示するために、重み/ペナルティを割り当てたいと思います。ここに私のコードと私のデータのスライスがあります:

誤分類のペナルティを割り当てる方法を知っている人はいますか? 具体的には、10:5:1 (クラス 1、2、3 に対応) のペナルティ比を割り当てたいと思います。つまり、クラス 1 で正確であることを本当に望んでいます。ターゲット変数 cut.rank の分布は ~ 0.04,0.08 です。 0.88。クラス 1 は有病率が低いため、そのクラスのモデル感度は低くなります。

私はRに関連して初めて、ロジスティック回帰モデルをフィッティングするためのnnetパッケージの関数multinomが、特定のクラスの誤分類を避けるようにモデルに指示するために、重み/ペナルティの割り当てを有効にするかどうか疑問に思っていました. 分布が大きく異なる 3 つのクラスがあり、データセットのバランスが大きく崩れています。そのため、重み/ペナルティにより、有病率の低いクラスでモデルの精度を高めることができると考えました。これは呼び出しです：

nnet を使用して RStudio でモデルを正常に作成しました。
しかし、今は Java でコーディングする必要があります。重み (wts) を取得して、活性化関数に必要な方程式を作成できると思いますが、誰かがこれを行う関数を既に作成していることを願っています。

人々は通常、R モデルをどのように C や Java などで実装しますか?

等...

おそらくこれは以前に尋ねられたことがありますが、何時間ものグーグル検索で答えが明らかになりませんでした.

ご協力ありがとうございました。大変感謝しています。

R のパッケージ nnet を使用していくつかのデータを当てはめようとしています。ニューラル ネットワークをトレーニングした後、いくつかの値を予測したいのですが、ネットを再トレーニングして再度予測すると、大幅に異なる値が得られます。

これは、コピー/貼り付けして、私が話していることを確認するための再現可能なコードです。

アスタリスク行の下のコードを再実行すると、実行ごとに予測値が大きく異なることがわかります。ここに、私が言及していることを確認できる 2 つのプロットを示します。

プロット 1

プロット 2

隠れニューロンの数と最大反復回数を変更しようとしましたが、同じ動作になります。

私は R のニューラル ネットワークと一般的なニューラル ネットワークに慣れていないので、コードに何か不足しているのか、問題の一般的なアプローチに欠けているのかわかりません。ANN が極小値で行き詰まる可能性があることは知っていますが、毎回それほど異なる値を予測する必要はないと思います。

これは私がやりたい多くのモデルの1つにすぎず、ANNを本当に理解したいので、私が間違っていることを理解させてください.

R のドキュメントにはnnet::class.ind()、指定された要素からクラス インジケーター関数を生成すると書かれています。

因子をバイナリ分類に変換しますか?

いつ、なぜこの関数を使用するのですか? いくつか例を教えてください。

どんな助けでも感謝します。ありがとうございました。

nnet パッケージを使用しているコードがあり、さまざまなニューラル ネットワーク モデルを計算し、すべてのモデルをディスクに保存することに関心があります ( save() を使用)。

私が直面している問題は、ニューラル ネットワークの "terms" 要素に属性 ".Environment" があり、最終的に数百メガバイトになるのに対し、モデルの残りの部分は数キロバイトしかないことです。（適合値と残差が削除されると）

さらに、「.Environment」属性を削除しても、「予測」でモデルを使用するという点で問題は発生しないようです。

Rまたはnnetがこの属性で何をしているのか、誰にもわかりませんか? 誰もこのようなものを見たことがありますか？