如何用R来构造R中的神经网络

Question

所以我一直在使用插入包通过使用列车功能执行MLR，逐步回归和随机森林之类的东西。我这样做了，所以我也可以进行10次交叉验证10次，我通过以下方式做到了这一点： -

library(caret)
ctrl <- trainControl(method = "repeatedcv", number = "10", repeats = "10", savePred = T)
cadets.mlr <- train(RT..seconds~., data = cadets, method = 'lm', trControl = ctrl)

然后，我可以从中查看预测值和观察值，并将它们相互映射等，以查看模型的准确程度。 RT..seconds是我想要针对180个不同实例（即180 x 160数据集）针对160个其他变量建模的变量。

我想通过使用神经网络模型来做同样的事情。我希望学习吃的是0.25，动量是50。我遇到'AMORE'并试图做同样的事情，但是通过这样做来使用： -

cadets.nn <- train(RT..seconds.~., data = cadets, method = 'AMORE', trControl = ctrl)

但我不断收到以下消息： -

Error in modelLookup(method) : value of model unknown

我做错了什么？当我通过插入符号调用Amore时，如何调整Amore的参数？

谢谢！

Answer 1

AMORE目前尚未被train包裹。之前已经请求过，但很难抽象AMORE的建模代码来处理人们可能想要的可能情况。

可以找到train包裹的神经网络模型here。在撰写本文时，有13种不同的神经网络模型可用。

如果这些都不是您想要的并且您熟悉AMORE包，那么您可以编写自己的模型代码。有关如何执行此操作的说明和示例，请参阅this page。

最高