Rmarkdown 转换的严重问题答案

【问题标题】：Serious problem with Rmarkdown transformationRmarkdown 转换的严重问题
【发布时间】：2020-01-13 13:02:24
【问题描述】：

我遇到了 rMarkdown 转换的问题。

基本上，我必须报告神经网络的结果。

转换成 pdf 文件后，文档充满了神经网络的计算。

我已经包含了这个块

title：“监控液压系统”

输出：pdf_document

{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)

{r echo=FALSE, message=FALSE, warning=FALSE}

nNGrid=expand.grid(size=seq(1,9,1),decay=seq(0.1,1,0.1))


neuralNetwork= train(Class ~.,data=training_norm, method="nnet",
                     trControl=reg_Control,tuneGrid=nNGrid)


nNPredictions = predict(neuralNetwork,newdata=testing_norm)

ty<- confusionMatrix(nNPredictions,testing_norm$Class)

ty$table

尝试阻止 R 打印消息和警告。

但这是我在最终的 pdf 文档中得到的：

weights:  67
initial  value 721.992732 
iter  10 value 519.008521
iter  20 value 488.124903
iter  30 value 456.941810
iter  40 value 330.558805
iter  50 value 259.373044

大约有 500 页的计算！

我该如何解决这个问题？？

我必须从我的最终文档中删除所有这些计算。

有人可以帮忙吗？

我忘了提到我已经从我的 rg_Control 中排除了verboseIter=T。但是还是不行。

我不知道该怎么办！

为了完整起见，这是我的 reg_CONtrol


Tabella_per_previsioni$Class=factor(Tabella_per_previsioni$Class,                                               labels=c("Alterato","Ottimale","Pericolo"))

set.seed(32343)

reg_Control = trainControl("repeatedcv", number = 5, repeats=5, classProbs =T) 


inTrain = createDataPartition(y=Tabella_per_previsioni$Class,p=0.75, list=FALSE)

training = Tabella_per_previsioni[inTrain,]

testing = Tabella_per_previsioni[-inTrain,]

train_stats <- preProcess(training, method="range")

training_norm <- predict(train_stats, training)

testing_norm <- predict(train_stats, testing)

忘了说我正在使用 Caret。

【问题讨论】：

您能否举一个可重现的示例，以便我们进行测试并更好地了解您的问题？
嗨@bretauv，首先感谢您的回答！我已经编辑了我的问题，以便您可以更好地理解问题。你怎么看？
感谢您的编辑，但我所说的可重现示例的意思是整个 markdown 的代码（不是您的整个文档，而只是我们可以放入 R Studio 并且运行良好的代码），包括以 YAML 为例。不确定是否清楚，告诉我
对不起@bretauv，但我不明白！ :-(
如果我复制您在问题中输入的代码，它将无法正常工作，因为 R 降价文档需要一些强制性部分才能正常工作。如果您创建一个新的 Markdown 文档，将会自动创建一些代码来定义输出（pdf、html...）和其他设置。我希望您将此代码添加到您已经放置的代码中，这样当我复制它时，它可以完美运行而无需任何修改。你明白吗？ ;-)

标签： r neural-network r-markdown

【解决方案1】：

我已经按照大卫的建议解决了所有问题。

"有时将打印到控制台的代码包装在一个

中

a <- capture.output({neuralNetwork <- train(...)})

帮助”。

【讨论】：