R中神经网络包的错误

Question

我正在尝试使用R中可用于“虹膜”数据集的“神经网络”包实现一个简单的多层前馈神经网络。

我使用的代码如下 -

library(neuralnet)
data(iris)

D <- data.frame(iris, stringsAsFactors=TRUE)

# create formula-
f <- as.formula(Species ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width)

# convert qualitative variables to dummy (binary) variables-
m <- model.matrix(f, data = D)

# create neural network-
iris_nn <- neuralnet(f, data = m, hidden = 4, learningrate = 0.3)

我现在有两个问题 -

1.）如何使用“隐藏”参数？根据手册页，其说 -

隐藏：整数向量，指定每层中隐藏神经元（顶点）的数量

我应该如何提供整数向量？如果我想在每层中有1个隐藏的4个神经元/感知器层，或者如果我想在每个层中有3个隐藏的5个神经元层，那就说。

2.）最后一行代码给了我错误 -

eval中的错误（predvars，data，env）：找不到对象'Species'

如果我删除“隐藏”参数，则此错误仍然存在。

我在这做错了什么？

编辑：添加行后 -

m <- model.matrix(f, data = D)

矩阵'm'不再包含我试图预测的“物种”变量/属性。

输出

str(D)

str（D）'data.frame'：150 obs。 5个变量：$ Sepal.Length：num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ... $ Sepal.Width：num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ... $ Petal.Length：num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ... $ Petal.Width：num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ... $种类：因子w / 3级“setosa”，“versicolor”，..：1 1 1 1 1 1 1 1 1 1 ...

我已成功用“nnet”编码了这个。发布我的代码供参考 -

data(iris)
library(nnet)

# create formula-
f <- as.formula(Species ~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width)

# create a NN with hidden layer having 4 neurons/node and
# maximum number of iterations = 3
iris_nn <- nnet(f, data = iris, size = 4, maxit = 3)

# create a test data-
new_obs <- data.frame(Sepal.Length = 5.5, Sepal.Width = 3.1, Petal.Length = 1.4, Petal.Width = 0.4)

# make prediction-
predict(iris_nn, new_obs)   # gives percentage of which class it may belong
predict(iris_nn, new_obs, type = "class")   # gives the class instead of percentages of which 'class' this data type may belong to


# create a 'confusion matrix' to measure accuracy of model-
# rows are actual values and columns are predicted values-
# table(iris$Species, predict(iris_nn, iris[, 1:4], type = "class"))
cat("

Confusion Matrix for # of iters = 3
")
print(table(iris$Species, predict(iris_nn, iris[, 1:4], type = "class")))
cat("

")

rm(iris_nn)

# setting 'maxit' to 1000, makes the model coverge-
iris_nn <- nnet(f, data = iris, size = 4, maxit = 1000)

# create a new confusion matrix to check model accuracy again-
cat("

Confusion Matrix for # of iters = 1000
")
print(table(iris$Species, predict(iris_nn, iris[, 1:4], type = "class")))
# table(iris$Species, predict(iris_nn, iris[, 1:4], type = "class"))


# to plot 'iris_nn' trained NN-
# library("NeuralNetTools")
# plotnet(iris_nn)

谢谢！！