Question

更新：当查看足够小的阈值（即等于或低于默认值0.01）时，此错误似乎是覆盖非收敛的一揽子声明。监控threshold后增加stepmax和lifesign可以使算法收敛，尽管准确度会受到影响。

在前面，这不是一个重复的问题，因为我在这里查看了所有其他16个类似的问题/答案，这些解决方案要么不完全适用，要么不解决这个看似简单的问题。我找到的最接近的是Getting errors while using neuralnet function，它有一些很好的见解，但是尽管在代码中更改了参数，但仍然给我留下了相同的唠叨错误。

数据样本（仅前几行）：

X1  X2  X3  X4  X5  X6  X7  X8  X9  X10 X11 X12 X13 X14 X15 X16 X17 X18 X19 X20 X21 X22 X23 X24 X25 X26 X27 X28 X29 X30
18  1   2   4   1   5   5   5   1   2   1   1   1   1   1   1   1   1   1   0   0   0   0   0   0   0   0   0   0   0
19  2   1   1   1   2   1   1   1   2   1   1   1   1   1   1   1   1   1   0   0   0   0   0   0   0   0   0   0   0
20  2   1   1   1   5   3   5   1   2   4   1   4   4   2   1   3   1   1   2   3   0   1   1   0   0   0   1   0   0
20  2   1   1   1   3   4   4   1   2   1   1   2   2   1   1   4   1   1   1   0   0   0   0   0   0   0   0   0   0
34  1   2   2   1   2   2   2   1   2   1   1   1   1   1   1   1   1   1   0   2   0   0   0   0   0   0   0   0   0
25  2   1   1   2   3   5   3   1   2   2   1   4   3   1   2   1   1   1   2   2   0   0   0   0   0   0   0   0   1
19  1   2   1   2   2   4   2   1   2   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
21  1   2   1   2   2   4   3   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
23  1   2   1   2   2   3   4   1   2   2   2   2   2   1   3   2   2   1   2   10  0   0   0   0   1   1   1   1   0
19  2   1   1   2   2   2   2   1   2   2   2   1   2   1   2   1   1   1   2   14  0   0   0   0   1   1   1   0   0
28  2   1   1   2   1   3   3   1   2   1   0   1   4   1   1   1   1   1   1   0   0   0   0   0   0   0   0   0   0
19  1   2   1   2   1   3   2   1   2   2   2   2   2   2   3   4   2   1   2   12  0   1   1   0   1   1   1   0   0
18  1   2   1   1   3   4   1   1   2   2   2   1   3   2   1   1   1   1   2   17  0   0   0   1   0   1   1   0   0
20  1   2   1   2   3   4   1   1   1   1   1   1   1   1   1   1   1   1   0   5   0   0   0   0   0   0   0   0   0
20  1   2   1   1   1   1   3   1   2   4   4   4   4   4   4   4   4   2   4   16  1   0   1   1   0   1   1   0   1

数据描述：标记数据和所有数字，因此通过sapply(df, is.numeric)进行检查，我们得到数据框中每个变量的TRUE。

从神经网络上的一个R-Blogger页面获取的代码：

set.seed(300)
cv.error <- NULL
k <- 10
pbar <- create_progress_bar('text')
pbar$init(k)
for(i in 1:k){
    index <- sample(1:nrow( df),round(0.9*nrow( df)))
    train.cv <- scaled[index,]
    test.cv <- scaled[-index,]
    nn <- neuralnet(f,data=train.cv,hidden=c(5,2),linear.output=T)
    pr.nn <- neuralnet::compute(nn,test.cv[,2:30])
    pr.nn <- pr.nn$net.result*(max( df$X30)-min( df$X30))+min( df$X30)
    test.cv.r <- (test.cv$X30)*(max( df$X30)-min( df$X30))+min( df$X30)
    cv.error[i] <- sum((test.cv.r - pr.nn)^2)/nrow(test.cv)
    pbar$step()
}

我在这个数据框中使用变量X30作为标签，当我使用严重偏差的数据时，我能够相对快速地收集此代码，即5分钟。但是，使用此数据集时，代码不会因为此错误而收敛：

Error in nrow[w] * ncol[w] : non-numeric argument to binary operator

回溯返回以下内容：

2. relist(weights, nrow.weights, ncol.weights)
1. neuralnet::compute(nn, test.cv[, 2:30])

我还尝试取消列表并将数据框重新组合为数字，以防万一最初出现问题，但这并没有解决问题。

nrow [w] * ncol [w]中的错误：二元运算符

0 个答案: