Question

我使用插入符号包来训练nnet分类模型。默认的sigmoid（逻辑）传递函数运行良好。我试图使用线性传递函数进行一些比较。但是我收到了一个错误。

我发现有趣的事情是：如果目标变量有两个以上的类，线性传递函数就可以了;但如果目标变量有2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(method='cv'))

#Subset the dataset s.t. only two levels left for Species.
iris1 <- iris[1:100,]
iris1 <- droplevels(iris1)
model1 <- train(Species~., data=iris1, method='nnet', linout=T, trControl=trainControl(method='cv'))

以下是错误消息：

Something is wrong; all the Accuracy metric values are missing:
    Accuracy       Kappa    
 Min.   : NA   Min.   : NA  
 1st Qu.: NA   1st Qu.: NA  
 Median : NA   Median : NA  
 Mean   :NaN   Mean   :NaN  
 3rd Qu.: NA   3rd Qu.: NA  
 Max.   : NA   Max.   : NA  
 NA's   :9     NA's   :9    
Error in train.default(x, y, weights = w, ...) : Stopping

我不知道问题是什么。有什么建议？谢谢！

Answer 1

您还有50个警告：仅适用于物流单位的熵适用

如果将linout设置为False，则代码可以正常工作。 Linout设置为True 用于线性输出单元的开关，这不是您的数据集的内容。即使是使用此设置的nnet也会在iris1时出错。

让我们使用一个简单的nnet语句 nnet(Species~., data=iris1, size = 1, linout = T)会返回错误

nnet.default中的错误（x，y，w，entropy = TRUE，...）：熵适合仅适用于物流单位

这大致是来自插入符号的警告。

无法使用linout = T训练nnet分类模型？

1 个答案: