我目前使用神经网络的方式是它从许多输入点预测一个输出点。更具体地说,我运行以下命令。
nn <- neuralnet(
as.formula(a ~ c + d),
data=Z, hidden=c(3,2), err.fct="sse", act.fct=custom,
linear.output=TRUE, rep=5)
这里,如果 Z 是一个由名称为 a、b、c 的列组成的矩阵,它将根据 c 行和 d 行中的对应点来预测 a 列中的一行中的一个点。 (以垂直维度作为样本进行训练。)
假设还有b列。我想知道是否有办法从 c 和 d 预测 a 和 b?我试过了
as.formula(a+b ~ c+d)
但这似乎不起作用。
有什么想法吗?
我的缺点是,使用 a + b ~ c + d 效果很好。我认为该函数不接受这个输入(因为它崩溃了很多次),但一定还有另一个问题,现在已经消失了,我把它全部清理了。
nn <- neuralnet(as.formula(a + b ~ c + d),
data=Z, hidden=c(3,2), err.fct="sse", act.fct=custom,
linear.output=TRUE, rep=5)
工作精美并返回两点(或两列)输出!整洁。
来自
neuralnet
的示例,格式有效:)
AND <- c(rep(0,7),1)
OR <- c(0,rep(1,7))
binary.data <- data.frame(expand.grid(c(0,1), c(0,1), c(0,1)), AND, OR)
print(net <- neuralnet(AND+OR~Var1+Var2+Var3, binary.data, hidden=0,
rep=10, err.fct="ce", linear.output=FALSE))
感谢分享代码,有人可以分享一下用于评估多输出神经网络的准确性和性能的代码吗?