如何使用 R 中的神经网络包对多个输出节点进行编程？答案

【问题标题】：How do I program multiple output nodes using the neuralnet package in R?如何使用 R 中的神经网络包对多个输出节点进行编程？
【发布时间】：2016-03-01 02:37:20
【问题描述】：

我正在构建一个神经网络来根据多个变量预测“拟合”。 “FitCls”分为三个等级：“优秀”、“良好”和“差”。我有 10 个输入变量，并选择了一个具有 6 个神经元的隐藏层。我想要三个输出神经元，以便我可以将呈现给神经网络的案例分类为“适合”，即“优秀”、“好”或“差”。我在这里看到了一个类似的示例，其中使用虹膜数据（在幻灯片 40 等）完成此操作：http://www.slideshare.net/DerekKane/data-science-part-viii-artifical-neural-network。我尝试复制该结构，但在绘制网络时仍然只得到一个输出节点。

这是我的代码（加载“nfit”数据框后）：

nfit[nfit$FitCls=="Excellent", "Output"] <- 2  
nfit[nfit$FitCls=="Good", "Output"] <- 1
nfit[nfit$FitCls=="Poor", "Output"] <- 0
nn <- neuralnet(Output~Universalism+Benevolence+Tradition+Conformity+Security+Power+Achievement+Hedonism+Stimulation+SelfDir, data = nfit, hidden = 6, err.fct = "ce", linear.output = FALSE)

当我运行神经网络时，它给了我一条警告消息，它已强制 err.fct 为“sse”，因为响应不是二进制的。我不确定出了什么问题，因为在我复制的示例中，神经网络的图显示了三个输出节点。请让我知道我做错了什么。

如果这不是使用神经网络进行分类的正确方法，我也非常感谢您能就我应该做什么提供任何帮助。非常感谢！

【问题讨论】：

也许图书馆将您的响应变量视为一个数字。您是否尝试过将 FitCls 列变成因子列？ nfit$FitCls <- as.factor(nfit$FitCls)
感谢您的回复。我已经尝试过了，但神经网络似乎无法以这种方式处理因素。这种方法适用于 nnet，但由于某种原因，不适用于神经网络。

标签： r machine-learning neural-network

【解决方案1】：

要或多或少地复制您需要的 iris 示例：

library(neuralnet)
library(nnet)
trainset <- cbind(iris[, 1:4], class.ind(iris$Species))
espnnet2=neuralnet(setosa + versicolor + virginica ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width, trainset)
plot(espnnet2)

不幸的是神经网络对数据敏感，试试scale解释变量。

【讨论】：