neuralnet在插入符：分類

我想訓練一個模型來預測一個連續數值變量，在插入符包「neuralnet」的方法錯了型號。當執行代碼的下面行，下面的錯誤被拋出：neuralnet在插入符：分類

錯誤train.default（Cadence_IVs，Cadence_Train_Response，方法= 「neuralnet」：錯誤的模型類型進行分類

NN_Cadence <- train(Cadence_IVs, Cadence_Train_Response, method = "neuralnet", layer1 = 10, layer2 = 5, decay = 0.1, linear.output = TRUE)

這就是數據看起來喜歡，有105000行：

RiderID  Index  Date  Time Average_Gradient Max_Gradient Distance Highest_point Speed   Power  Cadence 
1   27330 3/28/2011 8:19:36  0    6.2   5132.29  12.8   47.9653271 63.3  71.5 
15   991 1/29/2016 6:05:04  -1.5    0   242.9  52.3   10.5608695 267.2  72.6 
15   979 1/29/2016 6:51:19  0    0   581.97  -23   10.03396552 239.2  77.6 
12   49047 4/14/2013 7:45:52  0    3.5   471.2  45.4   18.848  383.6  140.4 
11   46677 5/30/2015 15:25:44 -7.8   -2.6   410.7  124.4  18.66818182 98.3  97.9

「RiderID」被編碼爲一個因素，「日期」是編碼爲Date變量。時間被編碼爲一個字符，但從Cadence_IVs中排除。所有其他變量都編碼爲「數字」數據類型，其中包括「Cadence」響應變量。

Cadence_IVs是除了Cadence與時間的所有列的矩陣。 Cadence_Train_Response是Cadence值的一列矩陣。

任何幫助將不勝感激。如果我錯過了任何可能有用的細節，請告訴我。

來源

2016-12-24 user3775908

在當前狀態下，這是不可複製的。請爲這兩個對象輸入（）最少量的樣本數據以重現錯誤。我試圖與你在這裏什麼重現它，但目前還沒有足夠的行和因爲你沒有'dput（）'類和元數據丟失。如果你覺得'dput（）'太長，那麼嘗試用內置數據集重現你的錯誤。 –

話雖如此，這個錯誤是你得到一個因變量的因素。我知道你說這不是一個因素，但確保。 –

從插入符神經網僅與迴歸優惠和需要3個PARAMS即層1-3。

你必須在調電網養活這些參數。這在一個插圖中，希望你明白這一點。

tunegrid <- expand.grid(.layer1=4:6, .layer2=2, .layer3=0) 
train(mpg ~ cyl + vs + am + carb, data = mtcars, method="neuralnet", tuneGrid = tunegrid)

來源

2016-12-25 07:29:42

neuralnet在插入符：分類

回答

相關問題