使用 Caret 对神经网络进行参数调整

Posted

技术标签:

【中文标题】使用 Caret 对神经网络进行参数调整【英文标题】:Parametertune a neuralnet with Caret 【发布时间】:2018-03-29 03:44:36 【问题描述】:

我似乎找不到使用 R 中的 Caret 包对神经网络进行参数调整以解决分类问题的示例。

似乎 method="neuralnet" 只支持回归问题。

有人能解决我的问题吗?

【问题讨论】:

也许您可以更清楚地了解您自己尝试过什么以及您要问什么样的问题(您可以通过提供一些上下文来做到这一点)。 嘿,抱歉缺少上下文。我正在制作一个从 sql 服务器读取数据的 R 脚本。具有 200K 观察值和 350 多个变量的数据框。然后我使用插入符号对分类问题进行预测模型。我正在试验 gbm 和 xgboost。两者都通过交叉验证进行参数调整,并且正在比较最终模型。 XGboost 在大多数情况下是最好的模型。我只是想在我的脚本中添加一个神经网络,这样我就有 3 种不同的模型可供选择。我使用了方法=“neuralnet”。 Eumenedies 指出这种方法只处理回归问题:) 【参考方案1】:

caret 中可用的型号列表可以在here 中找到。支持分类的神经网络包括mxnetnnet

【讨论】:

感谢您的文档:) 让我们尝试使用 mxnet 和 nnet

以上是关于使用 Caret 对神经网络进行参数调整的主要内容,如果未能解决你的问题,请参考以下文章

在 R 中使用神经网络方法进行超参数调整

R语言使用caret包的preProcess函数进行数据预处理:对所有的数据列进行最小最大缩放设置method参数为range

R语言使用caret包的preProcess函数进行数据预处理:对所有的数据列进行center中心化(每个数据列减去平均值)设置method参数为center

R语言使用caret包的preProcess函数进行数据预处理:对所有的数据列进行SpatialSign变换(将数据投影到单位圆之内)设置method参数为spatialSign

R语言使用caret包的preProcess函数进行数据预处理:对所有的数据列进行主成分分析PCA(principal components analysis)设置method参数为pca

R语言使用caret包的preProcess函数进行数据预处理:对所有的数据列进行scale标准化(数据列中的数值除以标准差)设置method参数为scale